나노자기 컴퓨팅은 AI의 에너지 사용 PlatoBlockchain 데이터 인텔리전스를 크게 줄일 수 있습니다. 수직 검색. 일체 포함.

나노마그네틱 컴퓨팅은 AI의 에너지 사용을 크게 줄일 수 있습니다.

타임 스탬프 : 9 년 2022 월 10 일 오전 00시 XNUMX 분
나노자기 컴퓨팅 AI 에너지

사물 인터넷이 확장됨에 따라 엔지니어는 AI를 모든 것에 포함시키길 원하지만 필요한 에너지의 양은 가장 작고 원격 장치에 대한 도전과제입니다. 새로운 "나노마그네틱" 컴퓨팅 접근 방식이 솔루션을 제공할 수 있습니다.

대부분 AI 오늘날 개발은 거대한 데이터 센터에서 실행되는 크고 복잡한 모델에 초점을 맞추고 있으며, 더 작고 전력 제약이 높은 장치에서 더 간단한 AI 애플리케이션을 실행하는 방법에 대한 수요도 증가하고 있습니다.

웨어러블에서 스마트 산업용 센서, 드론에 이르기까지 많은 애플리케이션에서 클라우드 기반 AI 시스템으로 데이터를 보내는 것은 의미가 없습니다. 개인 데이터 공유에 대한 우려나 데이터 전송 및 응답 대기로 인한 불가피한 지연 때문일 수 있습니다.

그러나 이러한 장치 중 상당수는 일반적으로 AI에 사용되는 종류의 고성능 프로세서를 수용하기에는 너무 작습니다. 또한 배터리 또는 환경에서 수확한 에너지로 실행되는 경향이 있으므로 기존 딥 러닝 접근 방식의 까다로운 전력 요구 사항을 충족할 수 없습니다.

이로 인해 이러한 종류의 시스템에서 AI를 실행할 수 있도록 하는 새로운 하드웨어 및 컴퓨팅 접근 방식에 대한 연구가 증가하고 있습니다. 이 작업의 대부분은 전구와 같은 양의 전력을 사용하면서 놀라운 컴퓨팅 능력을 발휘할 수 있는 두뇌에서 차용하려고 했습니다. 여기에는 뇌의 배선과 프로세서를 모방한 뉴로모픽 칩이 포함됩니다. 멤리스터- 생물학적 뉴런처럼 행동하는 전자 부품.

새로운 연구 주도 by Imperial College London의 과학자들은 나노스케일 자석 네트워크를 사용한 컴퓨팅이 유망한 대안이 될 수 있다고 제안합니다. 안에 종이 지난주에 게시 됨 자연 나노 기술, 팀은 작은 자기 요소 배열에 자기장을 적용함으로써 시스템을 훈련시켜 복잡한 데이터를 처리하고 일반 컴퓨터의 극히 일부만 사용하여 예측을 제공할 수 있음을 보여주었습니다.

그들의 접근 방식의 핵심은 내부 물리적 구조가 자연에서 일반적으로 발견되지 않는 특이한 특성을 부여하도록 신중하게 설계된 인공 물질인 메타물질로 알려진 것입니다. 특히, 팀은 이국적인 자기 거동을 나타내기 위해 결합되는 많은 나노자석의 배열인 "인공 스핀 시스템"을 만들었습니다.

그들의 디자인은 600나노미터 길이의 수백 개의 퍼멀로이(고자성 니켈-철 합금)의 격자로 구성되어 있습니다. 이 막대는 위쪽 팔이 아래쪽 팔보다 두꺼운 X의 반복 패턴으로 배열됩니다.

일반적으로 인공 스핀 시스템은 나노자석 전체의 자화 패턴을 설명하는 단일 자기 질감을 가지고 있습니다. 그러나 Imperial 팀의 메타물질은 두 가지 별개의 텍스처와 자기장에 대한 응답으로 서로 다른 부분이 전환되는 기능이 있습니다.

연구원들은 이러한 속성을 사용하여 저수지 컴퓨팅으로 알려진 AI 형태를 구현했습니다. 신경망이 작업을 훈련할 때 연결을 다시 배선하는 딥 러닝과 달리 이 접근 방식은 연결이 모두 고정된 네트워크에 데이터를 공급하고 이 네트워크에서 나오는 내용을 해석하기 위해 단일 출력 레이어를 훈련하기만 하면 됩니다.

입력에 대한 비선형 응답 및 이전 입력의 일부 형태의 메모리와 같은 특정 속성이 있는 한 이 고정 네트워크를 멤리스터 또는 발진기와 같은 물리적 시스템으로 대체하는 것도 가능합니다. 새로운 인공 스핀 시스템은 이러한 요구 사항에 적합하므로 팀은 이를 저장소로 사용하여 일련의 데이터 처리 작업을 수행했습니다.

그들은 시스템 자체의 내부 역학을 허용하기 전에 일련의 자기장을 받음으로써 시스템에 데이터를 입력합니다. 에 데이터를 처리합니다. 그런 다음 그들은 강자성 공명이라고 하는 이미징 기술을 사용하여 나노자석의 최종 분포를 결정했으며 이것이 답을 제공했습니다.

이것이 실용적인 데이터 처리 작업은 아니었지만 팀은 시간에 따라 변하는 데이터와 관련된 일련의 예측 과제에서 그들의 장치가 주요 저수지 컴퓨팅 체계와 일치할 수 있음을 보여줄 수 있었습니다. 중요한 것은 많은 실제 IoT 애플리케이션에서 중요한 매우 짧은 훈련 세트에서 효율적으로 학습할 수 있다는 점입니다.

그리고 장치가 매우 작을 뿐만 아니라 전기를 순환시키는 대신 자기장을 사용하여 계산을 수행한다는 사실은 훨씬 적은 전력을 소비한다는 것을 의미합니다. 에 보도 자료, 연구원들은 확장할 때 기존 컴퓨팅보다 100,000배 더 효율적일 수 있다고 추정합니다.

이러한 종류의 장치가 실용화되기까지는 갈 길이 멀지만 결과는 자석 기반 컴퓨터가 모든 곳에 AI를 내장하는 데 중요한 역할을 할 수 있음을 시사합니다.

이미지 신용 : BarbaraJackson / 264 이미지

타임 스탬프 :

더보기 특이점 허브