La nouvelle méthode de calcul neuromorphe pourrait rapidement accélérer les progrès de l'IA

Les doctorants Kiumars Aryana étudie le potentiel de la mise en œuvre d'un nouveau type de mémoire - mémoire de changement de phase - pour découvrir comment minimiser la consommation d'énergie et la dégradation des matériaux informatiques au fil du temps.Les découvertes d'Aryana pourraient ouvrir un sentier pour que la tactique soit utilisée dans l'informatique neuromorphe, un type d'IA qui imite les réseaux de neurones dans le cerveau.Cela pourrait révolutionner la façon dont l'intelligence artificielle, y compris les appareils de tous les jours comme Alexa et Siri, est utilisé à travers le monde.

PCM est une forme de mémoire informatique qui stocke les données en modifiant la phase d'un alliage particulier.Le PCM efficace et durable permet des vitesses de traitement de plus en plus rapides, ce qui s'apprête à améliorer les vitesses actuelles de l'IA industrie.Cela nécessite un traitement à un rythme encore plus rapide que le cerveau humain.

Un traitement plus rapide permettra à l'ordinateur de traiter les informations en une fraction de seconde et de pouvoir identifier les choses rapidement - tout comme le cerveau humain.À mesure que les capacités de traitement des données avancent, l'intelligence artificielle a le potentiel d'atteindre des capacités étendues.

Bien que la technologie que nous utilisons aujourd'hui soit sophistiquée et complexe, la consommation d'énergie et l'efficacité de la mémoire sont des limites majeures qui ont jusqu'à présent empêché l'intelligence artificielle - et notre capacité collective à résoudre rapidement les problèmes - d'atteindre le niveau suivant.Les ordinateurs de tous les jours ont un stockage à long terme et un stockage de mémoire à accès aléatoire à court terme, et afin d'enregistrer des données pour une utilisation à long terme, il faut l'enregistrer dans une mémoire à long terme.Les ordinateurs utilisent généralement des transistors pour transmettre en interne ces signaux électriques.

L'utilisation de deux systèmes de mémoire distinctes est limite, et les chercheurs essaient de trouver un moyen de combiner les deux systèmes de mémoire, ce qui les élimine pour les communiquer dans les deux sens.Pour ce faire, Aryana et d'autres doctorants du département de physique expérimentent l'informatique neuromorphique.

"Nous n'avons pas de section [dans notre cerveau] qui stocke la mémoire et une section [distincte] pour traiter les informations", a déclaré Aryana.«Nous traitons les informations entre les neurones.Nous essayons de créer un moteur de traitement en mémoire où vous traitez les informations à l'intérieur d'eux."

La mémoire de changement de phase utilise la chaleur pour traiter et stocker les données, en remplaçant les transistors par un matériau qui bascule entre deux états pour combler entre la mémoire RAM et la mémoire de stockage à long terme.Ces changements d'état de matériel PCM sont substantiels et rapides.

“What happens in these memory devices is that you melt the material and then you quench it," Aryana said.«Cela signifie que le matériau passe à environ 600 [degrés] Celsius, puis se refroidit rapidement à température ambiante dans l'ordre des nanosecondes, c'est donc un processus très rapide."

L'utilisation de la chaleur dans la mémoire de changement de phase se dégrade pour le matériau et consomme une quantité généreuse de puissance.Ainsi, la prochaine étape pour développer une technologie efficace consiste à rendre ce processus plus efficace et plus durable.

“We are looking to find material compositions and techniques in order to reduce power consumption for devices because one of the biggest limitations now associated with phase change memory is their large power consumption which stems from the use of heat to change phases," Aryana said.

L'utilisation cohérente de la mémoire de changement de phase affecte les propriétés du matériau dans l'ordinateur.

“[Phase-change memory] results in segregation of these materials inside our alloy," Aryana said.«Au fil du temps, lorsque vous répétez ce processus encore et encore, vous verrez que votre matériel devient séparé.Maintenant, vous avez différents éléments à l'intérieur d'un alliage uniforme."

Un élément majeur des recherches d'Aryana est de déterminer quelles compositions de matériaux sont les plus durables et minimiser la consommation d'énergie.Il a découvert qu'un alliage connu sous le nom de silicium Telluride a la conductivité thermique la plus faible, lui permettant d'isoler la chaleur à des épaisseurs minuscules.

Le doctorant MD Shafkat Bin Hoque collabore souvent avec Aryana et étudie également la gestion thermique des appareils électroniques.Hoque explore comment éliminer la chaleur des systèmes de changement de phase.Les recherches de Hoque et d'Aryana sont des considérations importantes dans l'informatique neuromorphe car elle nécessite que les ordinateurs soient plus rapides, plus efficaces et durables.

“We are actively looking for means to remove that heat from transistors so it does not catch fire and it works efficiently as long as possible," Hoque said.«Mon objectif dans cette recherche est de trouver différents matériaux qui peuvent éliminer efficacement la chaleur des points chauds."

Bien que la recherche PCM soit destinée à se manifester dans l'intelligence artificielle, elle en est encore à ses débuts.Selon Hoque, il reste beaucoup de travail pour traduire leur travail dans la création d'un supercalculateur vraiment fonctionnel.

“Supercomputers usually take a small part of the problem and then solve it," Hoque said.«Mais si les superordinateurs deviennent plus rapides, ils peuvent faire tout le problème au lieu d'une petite partie… et il est possible de les rendre plus éconergétiques et plus petits au point où ils pourraient devenir disponibles sur un ordinateur portable ou un Mac."

Ces découvertes ont le potentiel de changer énormément la façon dont nous interagissons avec la vie quotidienne de l'intelligence artificielle.

“It all comes down to the technology and the devices, how fast this technology can process the data," Aryana said.«Si nous pouvons avoir un processeur qui est beaucoup plus rapide, qui peut effectuer tous ces calculs sur place, vous pouvez rendre Alexa ou Siri beaucoup plus rapidement car ils peuvent traiter les informations plus rapidement."

Lire la suite