Инновационный чип из Университета Лафборо сокращает энергопотребление ИИ-систем в тысячи раз
Физики из Университета Лафборо в Великобритании разработали новый компьютерный чип, который может сделать некоторые системы искусственного интеллекта значительно более энергоэффективными. Разработанное устройство способно обрабатывать данные, которые изменяются во времени, напрямую на аппаратном уровне, вместо того чтобы полагаться на программное обеспечение, работающее на обычных компьютерах. Исследователи утверждают, что этот подход может быть до 2000 раз энергоэффективнее традиционных программных методов при выполнении некоторых задач, хотя точный выигрыш варьируется в зависимости от конкретного применения. Эта работа открывает путь к энергоэффективной нейроморфной электронике для работы с временными сигналами.
Ведущий исследователь, старший преподаватель физики доктор Павел Борисов, чья команда финансируется Советом по инженерным и физическим наукам, пояснил, что это захватывающее достижение, поскольку оно показывает, что можно переосмыслить подходы к созданию систем ИИ. Используя физические процессы вместо того, чтобы полностью полагаться на программное обеспечение, можно резко сократить энергию, необходимую для таких задач. Работа, опубликованная в журнале Advanced Intelligent Systems, демонстрирует мемристорное устройство на основе тонкой пленки из оксида ниобия, обладающее внутренней структурной неоднородностью в виде случайных нанопор.
На этом устройстве были выполнены вычислительные задачи: операция XOR, распознавание изображений, а также предсказание и реконструкция временных рядов. Для последней задачи исследователи выбрали сложный трехмерный хаотический временной ряд Лоренца-63. Прикладывая три временных сигнала напряжения к устройству и обучая считывающий слой с помощью сигналов электрического тока от физического резервуара с тремя выходами, они достигли удовлетворительной точности прогнозирования и реконструкции по сравнению со случаем отсутствия резервуара.
Исследовательская группа также сообщила, что их работа подчеркивает потенциал для создания масштабируемых устройств на кристалле с использованием полностью оксидных резервуарных систем. Ученые показали, что устройство может обрабатывать зависящие от времени данные, и когда его выходные данные подаются в линейную компьютерную модель, его можно использовать для выявления закономерностей и краткосрочных прогнозов. Они протестировали систему, используя систему Лоренца-63 — известную математическую модель хаоса, связанную с «эффектом бабочки», где небольшие изменения могут приводить к совершенно разным результатам, — а также такие задачи, как распознавание простых пиксельных изображений цифр и выполнение базовых логических операций.
В этих тестах модель смогла использовать данные, обработанные мемристором, для успешного предсказания краткосрочного поведения хаотической системы Лоренца и реконструкции недостающих данных. Она также правильно идентифицировала пиксельные цифры и выполнила базовые логические операции, показав, что одно и то же устройство может поддерживать целый ряд различных задач.
Доктор Борисов объяснил, что, вдохновляясь тем, как человеческий мозг формирует очень многочисленные и, казалось бы, случайные нейронные связи между всеми своими нейронами, они создали сложные, случайные физические связи в искусственной нейронной сети, создав поры в нанометровых тонких пленках оксида ниобия в рамках нового электронного устройства. Он добавил, что им удалось показать, как можно предсказывать будущую эволюцию сложного временного ряда с использованием этих устройств при энергопотреблении до двух тысяч раз ниже по сравнению со стандартным программным решением.