Uusi neuromorfinen laskentamenetelmä voisi nopeuttaa tekoälyn kehittymistä nopeasti

Tohtoriopiskelija Kiumars Aryana tutkii mahdollisuuksia ottaa käyttöön uudentyyppinen muisti – vaihemuutosmuisti – selvittääkseen, kuinka minimoida virrankulutus ja tietokonemateriaalien huononeminen ajan myötä. Aryanan löydöt voivat johtaa taktiikkaan, jota käytetään neuromorfisessa tietojenkäsittelyssä, eräänlaisessa tekoälyssä, joka jäljittelee aivojen hermoverkkoja. Tämä voi mullistaa tavan, jolla tekoälyä, mukaan lukien jokapäiväiset laitteet, kuten Alexa ja Siri, käytetään kaikkialla maailmassa.

PCM on tietokoneen muisti, joka tallentaa tietoja muuttamalla tietyn lejeeringin vaihetta. Tehokas ja kestävä PCM mahdollistaa yhä nopeammat prosessointinopeudet, jotka perustuvat nykyisten alan standardien tekoälynopeuksien parantamiseen. Tämä vaatii käsittelyä jopa ihmisaivoa nopeammalla nopeudella.

Nopeampi käsittely antaa tietokoneelle mahdollisuuden käsitellä tietoja sekunnin murto-osassa ja tunnistaa asiat nopeasti – aivan kuten ihmisaivot tekevät. Tietojenkäsittelykykyjen kehittyessä tekoälyllä on potentiaalia saavuttaa laajoja ominaisuuksia.

Vaikka käyttämämme tekniikka on kehittynyttä ja monimutkaista, muistin virrankulutus ja tehokkuus ovat suuria rajoituksia, jotka ovat toistaiseksi estäneet tekoälyä – ja yhteistä kykyämme ratkaista ongelmat nopeasti – pääsemästä seuraavalle tasolle. Päivittäisissä tietokoneissa on pitkäkestoinen tallennus ja lyhytaikainen Random Access Memory -muisti, ja datan tallentamiseksi pitkäaikaista käyttöä varten ne on tallennettava pitkäaikaismuistiin. Tietokoneet käyttävät tyypillisesti transistoreita näiden sähköisten signaalien sisäiseen lähettämiseen.

Kahden erillisen muistijärjestelmän käyttö on rajallista, ja tutkijat yrittävät löytää tapaa yhdistää nämä kaksi muistijärjestelmää, jolloin niiden ei tarvitse kommunikoida edestakaisin toistensa kanssa. Tätä varten Aryana ja muut fysiikan tohtoriopiskelijat kokeilevat neuromorfista laskentaa.

"Meillä ei [aivoissamme] ole osaa, joka tallentaa muistin, eikä [erillistä] osiota tietojen käsittelemiseksi", Aryana sanoi. "Prosessoimme neuronien välistä tietoa. Yritämme tehdä muistissa olevan käsittelymoottorin, jossa käsittelet niiden sisällä olevia tietoja."

Vaiheenmuutosmuisti käyttää lämpöä tietojen käsittelemiseen ja tallentamiseen ja korvaa transistorit materiaalilla, joka vaihtaa kahden tilan välillä muodostaakseen sillan RAM-muistin ja pitkäaikaisen tallennusmuistin välillä. Nämä PCM-materiaalin tilanmuutokset ovat merkittäviä ja nopeita.

"Näissä muistilaitteissa tapahtuu, että materiaali sulatetaan ja sitten sammutetaan", Aryana sanoi. "Tämä tarkoittaa, että materiaali kohoaa noin 600 celsiusasteeseen ja jäähtyy sitten nopeasti takaisin huoneenlämpötilaan nanosekuntien luokkaa, joten se on erittäin nopea prosessi."

Lämmön käyttö vaiheenmuutosmuistissa heikentää materiaalia ja kuluttaa runsaasti virtaa. Näin ollen seuraava askel tehokkaan teknologian kehittämiseksi on tehdä tästä prosessista tehokkaampi ja kestävämpi.

"Etsimme löytää materiaalikoostumuksia ja tekniikoita laitteiden virrankulutuksen vähentämiseksi, koska yksi suurimmista vaihemuutosmuistiin liittyvistä rajoituksista on niiden suuri virrankulutus, joka johtuu lämmön käytöstä vaiheiden vaihtamiseen." Aryana sanoi.

Vaiheenmuutosmuistin jatkuva käyttö vaikuttaa tietokoneen materiaalin ominaisuuksiin.

"[Vaihemuutosmuisti] johtaa näiden materiaalien erottumiseen lejeeringissämme", Aryana sanoi. ”Ajan mittaan, kun toistat tätä prosessia yhä uudelleen ja uudelleen, huomaat, että materiaalisi erottuu. Nyt sinulla on erilaisia ​​elementtejä yhtenäisen metalliseoksen sisällä."

Tärkeä osa Aryanan tutkimusta on selvittää, mitkä materiaalikoostumukset ovat kestävimpiä ja minimoivat virrankulutuksen. Hän havaitsi, että piitelluridina tunnetulla seoksella on alhaisin lämmönjohtavuus, mikä mahdollistaa lämmön eristämisen pienissä paksuuksissa.

Tohtoriopiskelija Md Shafkat Bin Hoque tekee usein yhteistyötä Arianan kanssa ja tutkii myös elektronisten laitteiden lämmönhallintaa. Hoque tutkii kuinka poistaa lämpöä vaiheenvaihtojärjestelmistä. Sekä Hoquen että Aryanan tutkimukset ovat tärkeitä näkökohtia neuromorfisessa laskennassa, koska se edellyttää tietokoneiden olevan nopeampia, tehokkaampia ja kestävämpiä.

"Etsimme aktiivisesti keinoja poistaa tämä lämpö transistoreista, jotta se ei syty tuleen ja toimii tehokkaasti mahdollisimman pitkään", Hoque sanoi. "Tarkoitukseni tässä tutkimuksessa on löytää erilaisia ​​materiaaleja, jotka voivat tehokkaasti poistaa lämpöä kuumista pisteistä."

Vaikka PCM-tutkimuksen on tarkoitus ilmetä tekoälyksi, se on vielä alkuvaiheessa. Hoquen mukaan työtä on jäljellä vielä paljon, jotta heidän työnsä saadaan muutettua todella toimivaksi supertietokoneeksi.

"Supertietokoneet ottavat yleensä pienen osan ongelmasta ja ratkaisevat sen sitten", Hoque sanoi. "Mutta jos supertietokoneista tulee nopeampia, ne voivat hoitaa koko ongelman pienen osan sijaan... ja niistä voidaan tehdä energiatehokkaampia ja kooltaan pienempiä niin, että ne saattavat tulla saataville kannettavalla tietokoneella tai Macilla."

Näillä löydöillä on mahdollisuus muuttaa valtavasti tapaa, jolla olemme vuorovaikutuksessa tekoälyn kanssa jokapäiväisessä elämässä.

"Kaikki riippuu tekniikasta ja laitteista, kuinka nopeasti tämä tekniikka pystyy käsittelemään tietoja", Aryana sanoi. "Jos meillä on huomattavasti nopeampi prosessori, joka pystyy suorittamaan kaikki nämä laskelmat paikan päällä, voit tehdä Alexasta tai Siristä paljon nopeamman, koska ne voivat käsitellä tietoja nopeammin."

Lue lisää