研究人员表示纳米磁计算可以提供低能量人工智能

导读研究人员表明,可以使用像大脑中的神经元一样相互作用的微小纳米磁体来执行人工智能。这种由伦敦帝国理工学院研究人员领导的团队开发的新方

研究人员表明,可以使用像大脑中的神经元一样相互作用的微小纳米磁体来执行人工智能。这种由伦敦帝国理工学院研究人员领导的团队开发的新方法可以降低人工智能(AI) 的能源成本,目前全球每 3.5 个月就翻一番。

在今天发表在Nature Nanotechnology上的一篇论文中,国际团队首次证明纳米磁体网络可用于执行类似 AI 的处理。研究人员表明,纳米磁体可用于“时间序列预测”任务,例如预测和调节糖尿病患者的胰岛素水平。

使用“神经网络”的人工智能旨在复制大脑各部分的工作方式,其中神经元相互交谈以处理和保留信息。许多用于驱动神经网络的数学最初是由物理学家发明的,用于描述磁铁相互作用的方式,但当时直接使用磁铁太难了,因为研究人员不知道如何输入数据和输出信息。

相反,在传统的基于硅的计算机上运行的软件被用来模拟磁体相互作用,进而模拟大脑。现在,该团队已经能够使用磁铁本身来处理和存储数据——省去了软件模拟的中间人,并有可能节省大量能源。

纳米磁态

纳米磁铁可以有不同的“状态”,这取决于它们的方向。将磁场应用于纳米磁体网络会根据输入场的特性以及周围磁体的状态来改变磁体的状态。

由帝国物理系研究人员领导的团队随后能够设计一种技术,一旦磁场通过,就可以计算每个州的磁铁数量,并给出“答案”。

该研究的共同第一作者 Jack Gartside 博士说:“长期以来,我们一直在尝试破解如何输入数据、提出问题并从磁计算中获得答案的问题。现在我们已经事实证明这是可以做到的,它为摆脱进行能源密集型模拟的计算机软件铺平了道路。”

共同第一作者 Kilian Stenning 补充说:“磁铁如何相互作用为我们提供了我们需要的所有信息;物理定律本身就变成了计算机。”

团队负责人 Will Branford 博士说:“在 Sherrington 和 Kirkpatrick 的软件算法的启发下,实现计算机硬件一直是一个长期目标。在传统磁体中使用原子上的自旋是不可能的,而是通过扩大自旋来实现的。”进入纳米图案阵列,我们已经能够实现必要的控制和读出。”

削减能源成本

人工智能现在被用于各种环境,从语音识别到自动驾驶汽车。但训练 AI 完成即使是相对简单的任务也会耗费大量精力。例如,训练人工智能解决魔方所需的能量相当于两个核电站运行一个小时。

在传统的硅芯片计算机中,用于实现这一目标的大部分能量都浪费在了处理和内存存储过程中低效的电子传输中。然而,纳米磁体不依赖于电子等粒子的物理传输,而是以“磁振子”波的形式处理和传输信息,其中每个磁体都会影响相邻磁体的状态。

这意味着更少的能量损失,并且信息的处理和存储可以一起完成,而不是像传统计算机那样是单独的过程。这项创新可以使纳米磁计算的效率比传统计算高出 100,000 倍。

边缘的人工智能

该团队接下来将使用真实世界的数据(例如心电图信号)来教授该系统,并希望将其变成真正的计算设备。最终,磁性系统可以集成到传统计算机中,以提高密集处理任务的能源效率。

它们的能源效率还意味着它们可以由可再生能源提供动力,并用于“边缘人工智能”——在收集数据的地方处理数据,例如南极洲的气象站,而不是将其发送回大型数据中心.

这也意味着它们可以用于可穿戴设备来处理身体的生物特征数据,例如预测和调节糖尿病患者的胰岛素水平或检测异常心跳。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时候联系我们修改或删除,多谢