RW Space

Хотя мы еще не приблизились к тому, чтобы воспроизвести сложность и запутанность человеческого мозга с помощью чего-либо искусственного, ученые добились прогресса в создании определенных специализированных устройств, таких как недавно разработанный программируемый резистор.

Резисторы могут будет использоваться для создания аналоговых нейронных сетей в системах искусственного интеллекта на основе структуры, имитирующей человеческий мозг.

Это новейшее устройство может обрабатывать информацию примерно в миллион раз быстрее, чем мозговые синапсы, связывающие нейроны вместе.

В частности, искусственный синапс предназначен для использования в аналоговом глубоком обучении, подходе к развитию ИИ, который повышает скорость при одновременном снижении энергопотребления, что важно для доступности, а также требований к естественным природным ресурсам планеты. ресурсы.

Ключом к значительным улучшениям в этом последнем резисторе является использование специально отобранного и эффективного неорганического материала. Команда, стоящая за проектом, говорит, что увеличение скорости обучения нейронных сетей ИИ обещает быть значительным.

«Получив аналоговый процессор, вы больше не будете обучать сети, над которыми работают все остальные», — говорит компьютер. ученый Мурат Онен из Массачусетского технологического института (MIT).

«Вы будете тренировать сети с беспрецедентной сложностью, которую никто другой не может себе позволить, и поэтому значительно превзойдете их все. Другими словами, это это не более быстрая машина, это космический корабль.»

Основой рассматриваемого неорганического материала является фосфосиликатное стекло (ПСГ) — диоксид кремния с добавлением фосфора. Используемый в качестве твердого электролита в резисторе, его наноразмерные поры позволяют протонам проходить через него с невиданными ранее скоростями, когда к установке прикладывают импульсы в 10 вольт.

Более того, PSG можно изготовить с использованием тех же технологий изготовления, которые используются для изготовления кремниевых схем. Это должно облегчить интеграцию в существующие производственные процессы без значительного увеличения затрат.

В мозге синапсы усиливаются или ослабевают, чтобы контролировать поток сигналов и другой информации. Здесь управление движением протонов для воздействия на электрическую проводимость имеет тот же эффект. Он быстрый, надежный и может работать при комнатной температуре, что также делает его более практичным.

«Скорость, безусловно, удивила, — говорит Онен.

«Обычно мы не применяли бы такие экстремальные поля к устройствам, чтобы не превратить их в пепел. Но вместо этого протоны в конечном итоге двигались с огромной скоростью по стеку устройств, в частности, в миллион раз быстрее по сравнению с тем, что было раньше.

«И это движение ничего не повреждает, благодаря малому размеру и малой массе протонов. Это почти как телепортация».

Огромный потенциал здесь заключается в гораздо более быстром обучении ИИ с использованием меньшего количества энергии. работают параллельно для повышения скорости.

Что касается следующего шага, то исследователи должны будут использовать то, что они узнали о разработке этого резистора, и адаптировать его, чтобы его можно было производить в большем масштабе. это нелегко, но команда уверена, что это возможно.

Конечный результат будет виден в системах ИИ, которые берут на себя такие задачи, как определение того, что изображено на изображениях, или обработка естественных голосовых команд.

Все, что искусственный интеллект должен обучать путем анализа огромных объемов данных, потенциально может быть улучшено. Это распространяется и на такие области, как беспилотные автомобили и анализ медицинских изображений.

Дальнейшие исследования позволят эти резисторы должны быть встроены в реальные системы и преодолевать потенциальные узкие места в производительности, которые в настоящее время ограничить напряжение, которое может быть подано.

«Путь вперед будет очень сложным, но в то же время очень захватывающим», — говорит компьютерный специалист и автор исследования Хесус дель Аламо из Массачусетский технологический институт.

Исследование опубликовано в журнале Science.