Ο νανομαγνητικός υπολογισμός θα μπορούσε να μειώσει δραστικά τη χρήση ενέργειας της τεχνητής νοημοσύνης

Καθώς το Διαδίκτυο των Πραγμάτων επεκτείνεται, οι μηχανικοί θέλουν να ενσωματώσουν την τεχνητή νοημοσύνη σε όλα, αλλά η ποσότητα ενέργειας που απαιτεί είναι μια πρόκληση για τις μικρότερες και πιο απομακρυσμένες συσκευές. Μια νέα «νανομαγνητική» υπολογιστική προσέγγιση θα μπορούσε να δώσει μια λύση.

Ενώ οι περισσότεροι AI Η ανάπτυξη σήμερα επικεντρώνεται σε μεγάλα, πολύπλοκα μοντέλα που εκτελούνται σε τεράστια κέντρα δεδομένων, υπάρχει επίσης αυξανόμενη ζήτηση για τρόπους εκτέλεσης απλούστερων εφαρμογών τεχνητής νοημοσύνης σε μικρότερες και πιο περιορισμένες συσκευές ενέργειας.

Για πολλές εφαρμογές, από φορητές συσκευές έως έξυπνους βιομηχανικούς αισθητήρες έως drones, η αποστολή δεδομένων σε συστήματα τεχνητής νοημοσύνης που βασίζονται σε σύννεφο δεν έχει νόημα. Αυτό μπορεί να οφείλεται σε ανησυχίες σχετικά με την κοινή χρήση ιδιωτικών δεδομένων ή στις αναπόφευκτες καθυστερήσεις που προκύπτουν από τη μετάδοση των δεδομένων και την αναμονή για απάντηση.

Αλλά πολλές από αυτές τις συσκευές είναι πολύ μικρές για να φιλοξενήσουν το είδος των επεξεργαστών υψηλής ισχύος που χρησιμοποιούνται συνήθως για την τεχνητή νοημοσύνη. Τείνουν επίσης να λειτουργούν με μπαταρίες ή ενέργεια που συλλέγεται από το περιβάλλον, και έτσι δεν μπορούν να ανταποκριθούν στις απαιτητικές απαιτήσεις ισχύος των συμβατικών προσεγγίσεων βαθιάς εκμάθησης.

Αυτό οδήγησε σε έναν αυξανόμενο όγκο έρευνας για νέες προσεγγίσεις υλικού και υπολογιστών που καθιστούν δυνατή την εκτέλεση τεχνητής νοημοσύνης σε τέτοιου είδους συστήματα. Μεγάλο μέρος αυτής της εργασίας έχει επιδιώξει να δανειστεί από τον εγκέφαλο, ο οποίος είναι ικανός για απίστευτα κατορθώματα υπολογιστών ενώ χρησιμοποιεί την ίδια ποσότητα ισχύος με έναν λαμπτήρα. Αυτά περιλαμβάνουν νευρομορφικά τσιπ που μιμούνται την καλωδίωση του εγκεφάλου και τους επεξεργαστές που κατασκευάζονται από memristors— ηλεκτρονικά στοιχεία που συμπεριφέρονται σαν βιολογικοί νευρώνες.

Νέα έρευνα με επικεφαλής βy Επιστήμονες από το Imperial College του Λονδίνου προτείνουν ότι ο υπολογισμός με δίκτυα μαγνητών νανοκλίμακας θα μπορούσε να είναι μια πολλά υποσχόμενη εναλλακτική λύση. Σε ένα χαρτί δημοσιεύθηκε την περασμένη εβδομάδα στις Φύση Νανοτεχνολογία, η ομάδα έδειξε ότι εφαρμόζοντας μαγνητικά πεδία σε μια σειρά από μικροσκοπικά μαγνητικά στοιχεία, θα μπορούσαν να εκπαιδεύσουν το σύστημα να επεξεργάζεται πολύπλοκα δεδομένα και να παρέχει προβλέψεις χρησιμοποιώντας ένα κλάσμα της ισχύος ενός κανονικού υπολογιστή.

Στο επίκεντρο της προσέγγισής τους βρίσκεται αυτό που είναι γνωστό ως μεταϋλικό, ένα ανθρωπογενές υλικό του οποίου η εσωτερική φυσική δομή έχει σχεδιαστεί προσεκτικά για να του δώσει ασυνήθιστες ιδιότητες που δεν συναντώνται συνήθως στη φύση. Συγκεκριμένα, η ομάδα δημιούργησε ένα «σύστημα τεχνητής περιστροφής», μια διάταξη πολλών νανομαγνητών που συνδυάζονται για να επιδείξουν εξωτική μαγνητική συμπεριφορά.

Ο σχεδιασμός τους αποτελείται από ένα πλέγμα από εκατοντάδες ράβδους μόνιμου κράματος μήκους 600 νανομέτρων, ένα εξαιρετικά μαγνητικό κράμα νικελίου-σιδήρου. Αυτές οι ράβδοι είναι διατεταγμένες σε επαναλαμβανόμενο μοτίβο X των οποίων οι άνω βραχίονες είναι παχύτεροι από τους κάτω βραχίονες τους.

Συνήθως τα συστήματα τεχνητής περιστροφής έχουν μια ενιαία μαγνητική υφή, η οποία περιγράφει το μοτίβο μαγνήτισης στους νανομαγνήτες του. Αλλά το μεταϋλικό της ομάδας Imperial διαθέτει δύο ξεχωριστές υφές και την ικανότητα διαφορετικών τμημάτων του να αλλάζουν μεταξύ τους ως απόκριση στα μαγνητικά πεδία.

Οι ερευνητές χρησιμοποίησαν αυτές τις ιδιότητες για να εφαρμόσουν μια μορφή τεχνητής νοημοσύνης γνωστής ως reservoir computing. Σε αντίθεση με τη βαθιά εκμάθηση, στην οποία ένα νευρωνικό δίκτυο επανασυνδέει τις συνδέσεις του καθώς εκπαιδεύεται σε μια εργασία, αυτή η προσέγγιση τροφοδοτεί δεδομένα σε ένα δίκτυο του οποίου οι συνδέσεις είναι όλες σταθερές και απλώς εκπαιδεύει ένα ενιαίο επίπεδο εξόδου για να ερμηνεύσει τι βγαίνει από αυτό το δίκτυο.

Είναι επίσης δυνατό να αντικατασταθεί αυτό το σταθερό δίκτυο με φυσικά συστήματα, συμπεριλαμβανομένων στοιχείων όπως μεμρίστορ ή ταλαντωτές, εφόσον έχουν ορισμένες ιδιότητες, όπως μη γραμμική απόκριση σε εισόδους και κάποια μορφή μνήμης προηγούμενων εισόδων. Το νέο σύστημα τεχνητής περιστροφής ταιριάζει σε αυτές τις απαιτήσεις, επομένως η ομάδα το χρησιμοποίησε ως δεξαμενή για να πραγματοποιήσει μια σειρά εργασιών επεξεργασίας δεδομένων.

Εισάγουν δεδομένα στο σύστημα υποβάλλοντάς το σε ακολουθίες μαγνητικών πεδίων πριν επιτρέψουν τη δική του εσωτερική δυναμική προς την επεξεργασία των δεδομένων. Στη συνέχεια χρησιμοποίησαν μια τεχνική απεικόνισης που ονομάζεται σιδηρομαγνητικός συντονισμός για να καθορίσουν την τελική κατανομή των νανομαγνητών, η οποία έδωσε την απάντηση.

Αν και αυτές δεν ήταν πρακτικές εργασίες επεξεργασίας δεδομένων, η ομάδα μπόρεσε να δείξει ότι η συσκευή της ήταν σε θέση να ταιριάζει με κορυφαία συστήματα υπολογιστών δεξαμενών σε μια σειρά προκλήσεων πρόβλεψης που περιλαμβάνουν δεδομένα που ποικίλλουν με την πάροδο του χρόνου. Είναι σημαντικό ότι έδειξαν ότι ήταν σε θέση να μάθει αποτελεσματικά σε αρκετά σύντομα σετ εκπαίδευσης, κάτι που θα ήταν σημαντικό σε πολλές εφαρμογές IoT του πραγματικού κόσμου.

Και όχι μόνο η συσκευή είναι πολύ μικρή, αλλά το γεγονός ότι χρησιμοποιεί μαγνητικά πεδία για να πραγματοποιήσει υπολογισμούς αντί να μεταφέρει ηλεκτρισμό, σημαίνει ότι καταναλώνει πολύ λιγότερη ενέργεια. Σε ένα δελτίο τύπου, οι ερευνητές εκτιμούν ότι όταν κλιμακωθεί θα μπορούσε να είναι 100,000 φορές πιο αποτελεσματικός από τους συμβατικούς υπολογιστές.

Υπάρχει πολύς δρόμος για να γίνει πρακτική χρήση αυτού του είδους της συσκευής, αλλά τα αποτελέσματα δείχνουν ότι οι υπολογιστές που βασίζονται σε μαγνήτες θα μπορούσαν να διαδραματίσουν σημαντικό ρόλο στην ενσωμάτωση της τεχνητής νοημοσύνης παντού.

Image Credit: BarbaraJackson / 264 εικόνες

• Coinsmart. Το καλύτερο ανταλλακτήριο Bitcoin και Crypto στην Ευρώπη.
• Platoblockchain. Web3 Metaverse Intelligence. Ενισχύθηκε η γνώση. ΕΛΕΥΘΕΡΗ ΠΡΟΣΒΑΣΗ.
• CryptoHawk. Ραντάρ Altcoin. Δωρεάν δοκιμή.
• Πηγή: https://singularityhub.com/2022/05/09/nanomagnetic-computing-could-drastically-cut-ais-energy-use/