Oamenii de știință au proiectat un tranzistor care stochează și procesează informații precum creierul uman și poate îndeplini sarcini cognitive cu care majoritatea sistemelor de inteligență artificială (AI) se luptă astăzi.
Această tehnologie, cunoscută sub numele de „tranzistor sinaptic”, imită arhitectura creierului uman – în care puterea de procesare și memoria sunt complet integrate și găsite în același loc. Aceasta diferă de arhitectura de calcul convențională, în care procesorul și memoria sunt componente separate fizic.
„Creierul are o arhitectură fundamental diferită de cea a unui computer digital.” Mark Hersamco-lider de cercetare și profesor de știința materialelor, inginerie și calcul la Universitatea Northwestern, a spus într-o declarație. „Într-un computer digital, datele se deplasează înainte și înapoi între un microprocesor și memorie, ceea ce consumă multă energie și creează un blocaj atunci când încercați să efectuați mai multe sarcini în același timp.”
Datorită integrării complete între puterea de calcul și memorie, tranzistorul sinaptic poate obține o eficiență energetică semnificativ mai mare și poate muta datele extrem de rapid, au scris cercetătorii în studiul, publicat pe 20 decembrie în jurnal. Natură. Această nouă formă de arhitectură de calcul este necesară, au spus oamenii de știință, deoarece bazarea pe electronicele convenționale în era datelor mari și cererea în creștere pentru sarcinile de lucru de calcul AI va duce la un consum de energie fără precedent.
Oamenii de știință au construit tranzistori sinaptici înainte, au spus cercetătorii, dar aceștia funcționau doar la temperaturi extrem de scăzute. Dar noul tranzistor folosește materiale care funcționează la temperatura camerei.
Electronica convențională împachetează tranzistori pe o placă de siliciu, dar în noul tranzistor sinaptic, cercetătorii au stivuit grafen cu două straturi (BLG) și nitrură de bor hexagonală (hBN) și le-au răsucit intenționat pentru a forma ceea ce este cunoscut sub numele de model moiré.
Când au rotit un strat în raport cu celălalt, au apărut noi proprietăți electronice care nu existau separat în niciunul dintre straturi. Obținerea tranzistorului să funcționeze la temperatura camerei este necesară folosind un anumit grad de răsucire și adoptarea unui aliniament aproape perfect între hBN și BLG.
Cercetătorii au testat cipul antrenându-l mai întâi pe date, astfel încât să poată învăța să recunoască modele. Apoi au arătat cipului noi secvențe care erau similare cu datele de antrenament, dar nu la fel. Acest proces, cunoscut sub numele de învățare asociativă, este unul pe care majoritatea sistemelor de învățare automată nu îl pot funcționa bine.
„Dacă AI este menită să imite gândirea umană, una dintre sarcinile de cel mai jos nivel ar fi clasificarea datelor, care este pur și simplu sortarea în coșuri”, a spus Hersam. „Obiectivul nostru este să avansăm tehnologia AI în direcția gândirii de nivel superior. Condițiile din lumea reală sunt adesea mai complicate decât le pot gestiona algoritmii actuali de AI, așa că am testat noile noastre dispozitive în condiții mai complicate pentru a verifica capabilitățile lor avansate.”
Într-un exercițiu, cercetătorii au antrenat AI să detecteze secvența 000. Apoi, cercetătorii au cerut AI să identifice modele similare – de exemplu, prezentându-i cu 111 și 101. Secvențele 000 și 111 nu sunt aceleași, dar AI și-a dat seama că ambele erau trei cifre la rând.
Acest lucru pare destul de simplu, dar instrumentele AI de astăzi se luptă cu acest tip de raționament cognitiv. În experimente ulterioare, cercetătorii au aruncat, de asemenea, „bile curbe” către AI, dându-i modele incomplete. Dar AI care folosește cipul a demonstrat în continuare învățarea asociativă, au spus cercetătorii.
„Până acum, am implementat doar tranzistorul sinaptic moiré cu hBN și BLG”, a spus Hersam pentru Live Science într-un e-mail. „Cu toate acestea, există multe alte materiale bidimensionale care pot fi stivuite în alte heterostructuri moiré. Prin urmare, credem că abia am început să zgâriem suprafața a ceea ce este posibil în domeniul emergent al calculului neuromorfic moiré”.
Caracteristicile pe care oamenii de știință le-au observat în acest tranzistor experimental ar putea genera generațiile viitoare ale tehnologiei care vor fi utilizate în cipuri extrem de eficiente din punct de vedere energetic, care alimentează AI și sisteme avansate de învățare automată, a adăugat Hersam.