Naukowcy zaproponowali nowatorski system zainspirowany neuromodulacją mózgu, określany mianem "systemu przechowywania", który wymaga mniejszego zużycia energii. Grupa badawcza kierowana przez profesora Kyung Min Kima z Wydziału Inżynierii i Nauki o Materiałach opracowała technologię, która może efektywnie wykonywać operacje matematyczne dla sztucznej inteligencji poprzez naśladowanie ciągłych zmian topologii sieci neuronowej w zależności od sytuacji. Ludzki mózg zmienia topologię neuronów w czasie rzeczywistym, ucząc się przechowywać lub przywoływać wspomnienia w zależności od potrzeb. Grupa badawcza przedstawiła nową metodę uczenia się sztucznej inteligencji, która bezpośrednio implementuje te konfiguracje obwodów koordynacji neuronowej.
Badania nad sztuczną inteligencją stają się bardzo aktywne, a rozwój urządzeń elektronicznych opartych na sztucznej inteligencji i wprowadzanie produktów na rynek coraz szybsze, zwłaszcza w dobie Czwartej Rewolucji Przemysłowej. Aby wdrożyć sztuczną inteligencję w urządzeniach elektronicznych, należy również wspierać rozwój sprzętu dostosowanego do potrzeb klienta. Jednak większość urządzeń elektronicznych wykorzystujących sztuczną inteligencję wymaga wysokiego poboru mocy i wysoce zintegrowanych macierzy pamięci do zadań na dużą skalę. Rozwiązanie tych ograniczeń związanych z poborem mocy i integracją stanowiło wyzwanie, dlatego podjęto wysiłki, aby dowiedzieć się, jak ludzki mózg rozwiązuje problemy.
Aby udowodnić skuteczność opracowanej technologii, grupa badawcza stworzyła sprzęt do obsługi sztucznej sieci neuronowej wyposażony w samorektyfikującą się macierz synaptyczną i algorytm zwany "systemem przechowywania", który został opracowany z myślą o uczeniu się sztucznej inteligencji. W rezultacie udało się zmniejszyć zużycie energii o 37% w ramach systemu stashing bez pogorszenia dokładności. Wynik ten dowodzi, że emulacja neuromodulacji u ludzi jest możliwa.
Profesor Kim powiedział: "W tym badaniu zaimplementowaliśmy metodę uczenia się ludzkiego mózgu, wykorzystując jedynie prosty układ scalony, dzięki czemu udało nam się zmniejszyć zapotrzebowanie na energię o prawie 40 procent."
Ten zainspirowany neuromodulacją system przechowywania, który naśladuje aktywność neuronową mózgu, jest kompatybilny z istniejącymi urządzeniami elektronicznymi i skomercjalizowanym sprzętem półprzewodnikowym. Oczekuje się, że zostanie on wykorzystany przy projektowaniu układów półprzewodnikowych następnej generacji dla sztucznej inteligencji.
Badanie zostało opublikowane w czasopiśmie Advanced Functional Materials w marcu 2022 r. i było wspierane przez KAIST, National Research Foundation of Korea, National NanoFab Center oraz SK Hynix.
ZOBACZ WIĘCEJ > businews.plitnews24.pl
itlife.pl
ofio.pl
tvtu.pl
youtube.com
Brak komentarzy:
Prześlij komentarz
Uwaga: tylko uczestnik tego bloga może przesyłać komentarze.