Решена проблема, мешавшая чипам в смартфонах стать мощнее в 1000 раз
Команда инженеров из Университетского колледжа Лондона (UCL) разработала новый подход к созданию нейронных сетей на основе мемристоров, работающих практически без ошибок. До сих пор считалось, что применение мемристоров и безошибочность вычислений при построении нейронных сетей несовместимы. Переход систем ИИ с транзисторной аппаратной базы на мемристоры увеличит энергоэффективность ИИ в 1000 раз, а это приведет к быстрому появлению мощных нейроморфных чипов практически везде - от смартфонов до промышленных систем.Команда инженеров из Университетского колледжа Лондона (UCL) разработала новый подход к созданию нейронных сетей на основе мемристоров, работающих практически без ошибок. До сих пор считалось, что применение мемристоров и безошибочность вычислений при построении нейронных сетей несовместимы. Переход систем ИИ с транзисторной аппаратной базы на мемристоры увеличит энергоэффективность ИИ в 1000 раз, а это приведет к быстрому появлению мощных нейроморфных чипов практически везде - от смартфонов до промышленных систем.
Команда из UCL придумала, как решить эту проблему и проведенное моделирование подтвердило, что оно верное, сообщает Tech Xplore. Решение оказалось удивительно простым. Ученые заставили мемристоры работать в нескольких подгруппах нейронных сетей и усреднили их вычисления. Таким образом, общая производительность незначительно снизилась, но количество ошибок сократилось практически до нуля.Кроме того, ученые протестировали подход на нескольких типах мемристоров и обнаружили, что точность растет при использовании любой модели, независимо от материала или технологии изготовления.Открытый метод борьбы с ошибками может стать основой для развития искусственного интеллекта нового поколения.
Появление мемристических нейронных сетей или нейроморфных чипов с энергоэффективностью в 1000 и более раз выше, чем у текущих транзисторных систем, позволит эффективно обучать нейронные сети вообще без подключения к внешним ресурсам. Их внутренних ресурсов будет для этого достаточно. Очевидно, что эта возможность перевернет не одну индустрию.И ресурс этот обеспечивает сама природа мемристоров - их еще называют «резисторы с памятью», так как они помнят количество электрического заряда, протекавшего через них даже после выключения. При этом мемристоры работают не только в двоичном коде, состоящем из нулей и единиц, но и на нескольких уровнях от нуля до единицы одновременно. Это означает, что каждый бит может вместить больше информации. А с учетом того, что оперативные данные обрабатываются и хранятся в одном месте, их не нужно при проведении расчетов постоянно отправлять в память и извлекать из нее, все это на порядки увеличивает эффективность таких систем по сравнению с транзисторами.
Авторы проекта утверждают, что на данном этапе их ИИ сравнялся с уже существующими нейросетями и выполняет задачи на том же уровне, но это только начало перспективной разработки. Ученые обещают построить первую функционирующую модель на основе мемристоров в течение трех лет.
https://hightech.plus/2020/08/30/reshena-problema-meshavshaya-chipam-v-smartfonah-stat-moshnee-v-1000-raz