Connect with us

Hi, what are you looking for?

Наука и технологии

Витые магниты делают интеллектуальные вычисления более адаптируемыми

Витые магниты делают интеллектуальные вычисления более адаптируемыми
Витые магниты делают интеллектуальные вычисления более адаптируемыми

Форма вычислений на основе мозга, которая использует внутренние физические свойства материала для значительного снижения энергопотребления, теперь стала на шаг ближе к реальности благодаря новому исследованию, проведенному исследователями UCL и Имперского колледжа Лондона.

В новом исследовании, опубликованном в журнале Nature Materials , международная группа исследователей использовала киральные (скрученные) магниты в качестве вычислительной среды и обнаружила, что, применяя внешнее магнитное поле и изменяя температуру, физические свойства этих материалов можно адаптировать. для решения различных задач машинного обучения.

Такой подход, известный как физические резервуарные вычисления, до сих пор был ограничен из-за отсутствия возможности реконфигурации. Это связано с тем, что физические свойства материала могут позволить ему преуспеть в определенном подмножестве вычислительных задач, но не в других.

Доктор Оскар Ли (Лондонский центр нанотехнологий UCL и факультет электроники и электротехники UCL), ведущий автор статьи, сказал: «Эта работа приближает нас на шаг ближе к реализации всего потенциала физических резервуаров для создания компьютеров, которые не только требуют значительно меньше энергии, но и адаптируют свои вычислительные свойства для оптимального выполнения различных задач, как и наш мозг.

«Следующим шагом является определение материалов и архитектур устройств, которые являются коммерчески жизнеспособными и масштабируемыми».

Традиционные компьютеры потребляют большое количество электроэнергии. Отчасти это связано с тем, что у него есть отдельные блоки для хранения и обработки данных, а это означает, что информация должна постоянно перемещаться между ними, тратя энергию и выделяя тепло. Это особенно проблема для машинного обучения, которое требует для обработки огромных наборов данных. Обучение одной большой модели ИИ может привести к выбросу сотен тонн углекислого газа.

Физические резервуарные вычисления — это один из нескольких нейроморфных (или основанных на мозге) подходов, цель которого — устранить необходимость в отдельных модулях памяти и обработки, обеспечивая более эффективные способы обработки данных. Помимо того, что физические резервуарные вычисления являются более устойчивой альтернативой традиционным вычислениям, их можно интегрировать в существующие схемы, чтобы обеспечить дополнительные возможности, которые также являются энергоэффективными.

В исследовании, в котором приняли участие исследователи из Японии и Германии, команда использовала векторный анализатор цепей для определения поглощения энергии хиральными магнитами при различной напряженности магнитного поля и температурах в диапазоне от -269 °C до комнатной температуры.

Они обнаружили, что разные магнитные фазы хиральных магнитов превосходно справляются с разными типами вычислительных задач. Фаза скирмиона, когда намагниченные частицы кружатся в вихревом порядке, обладала мощной памятью, подходящей для задач прогнозирования. Между тем коническая фаза имела мало памяти, но ее нелинейность была идеальной для задач трансформации и классификации — например, для определения того, является ли животное кошкой или собакой.

Соавтор доктор Джек Гартсайд из Имперского колледжа Лондона сказал: «Наши сотрудники UCL в группе профессора Хидеказу Куребаяши недавно определили многообещающий набор материалов для создания нетрадиционных вычислений. Эти материалы особенные, поскольку они могут поддерживать особенно богатые и разнообразный набор магнитных текстур».

«Работая с ведущим автором доктором Оскаром Ли, группа Имперского колледжа Лондона [под руководством доктора Гартсайда, Килиана Стеннинга и профессора Уилла Брэнфорда] разработала нейроморфную вычислительную архитектуру, позволяющую использовать сложные свойства материала для удовлетворения требований разнообразного набора Это дало отличные результаты и показало, как реконфигурация физических фаз может напрямую регулировать производительность нейроморфных вычислений».

В работе также приняли участие исследователи из Токийского университета и Технического университета Мюнхена.

Теги: ИИ, магнит, микроэлектроника, суперкомпьютер

В тренде