Chip inspirowany ludzkim mózgiem może znacząco poprawić efektywność energetyczną

Chip inspirowany ludzkim mózgiem oferuje nawet do 2 tysięcy razy większą skuteczność energetyczną, przenosząc ciężar skomplikowanych obliczeń z klasycznego oprogramowania bezpośrednio na architekturę fizyczną.

Nowe podejście do obliczeń w sztucznej inteligencji

Obecny rozwój sztucznej inteligencji opiera się głównie na dużej mocy obliczeniowej. Rozbudowane centra danych przetwarzają terabajty informacji przy użyciu tradycyjnych procesorów, co wiąże się z intensywną wymianą danych między pamięcią a jednostkami obliczeniowymi.

Zespół fizyków z Loughborough University, kierowany przez dr. Pavla Borisova, zaproponował inne podejście. Zamiast tworzenia coraz bardziej złożonych algorytmów, naukowcy opracowali urządzenie, które wykorzystuje fizyczne właściwości materiałów do przetwarzania danych.

Rozwiązanie bazuje na memrystorach — elementach elektronicznych, które „zapamiętują” historię przepływu prądu, łącząc funkcje pamięci i procesora w jednym układzie.

Fizyka zamiast klasycznego programowania

Kluczowym elementem nowego podejścia jest wykorzystanie kontrolowanego „chaosu” struktury materiału, który przypomina sposób działania ludzkiego mózgu.

W mózgu miliardy połączeń synaptycznych tworzą złożoną, częściowo losową sieć. Aby odtworzyć ten mechanizm, badacze wykorzystali ultracienkie warstwy tlenku niobu z wytworzonymi losowymi nanoporami.

Te mikroskopijne struktury tworzą skomplikowaną sieć ścieżek elektrycznych, działając jak fizyczny odpowiednik warstwy sieci neuronowej. Przez ten materiał przepuszczane są dane wejściowe, które są automatycznie przekształcane przez jego strukturę, ułatwiając dalszą analizę przez klasyczne systemy komputerowe.

Testy i zastosowania technologii

Aby sprawdzić skuteczność rozwiązania, badacze wykorzystali m.in. układ Lorenza-63 — klasyczny model teorii chaosu, znany jako ilustracja tzw. efektu motyla. W testach system skutecznie przewidywał krótkoterminowe zachowanie układu chaotycznego, rozpoznawał spikselowane obrazy cyfr, a także wykonywał podstawowe operacje logiczne.

Wyniki otrzymane w wyniku tych badań pokazują, że fizyczny rezerwuar obliczeniowy może realizować różnorodne zadania bez konieczności rekonfiguracji architektury.

Potencjał dla przyszłości obliczeń

Rozwój neuromorficznych komponentów, takich jak memrystory oparte na nanoporowatym tlenku, wskazuje na możliwość odejścia od energochłonnych centrów danych.

Technologia znajduje się obecnie na wczesnym etapie rozwoju, jednak jej potencjał obejmuje zmniejszenie zależności od chmury obliczeniowej, znaczące ograniczenie zużycia energii, lokalne przetwarzanie danych (offline), tworzenie autonomicznych urządzeń.

Nowa architektura obliczeniowa inspirowana pracą mózgu pokazuje, że fizyka materiałów może stać się alternatywą dla klasycznego modelu programowania i znacząco zwiększyć efektywność energetyczną systemów sztucznej inteligencji.

Szymon Ślubowski