Noua abordare a îmbunătățirii performanței AI transformă o problemă de siliciu într -o caracteristică.
Utilizarea în creștere a energiei AI a obținut o mulțime de oameni care lucrează la modalități de a face acest lucru Mai puțină putere flămândă. O opțiune este de a dezvolta procesoare care se potrivesc mai bine cu tipul de nevoi de calcul ale rețelelor neuronale, care necesită multe călătorii în memorie și multă comunicare între neuronii artificiali care ar putea să nu locuiască neapărat pe același procesor. Denumite procesoare „neuromorfice”, această abordare alternativă a hardware -ului tinde să aibă o mulțime de unități de procesare mici, dedicate, cu propria lor memorie și o rețea internă extinsă care le conectează.
Exemple de genul Jetoanele Loihi ale Intel tind să obțină performanțe competitive din viteze de ceas mult mai mici și consum de energie, dar necesită mult siliciu pentru a face acest lucru. Alte opțiuni renunță la siliciu în întregime și efectuați calculul relevant într -o formă de memorie de schimbare a fazelor.
O lucrare publicată în Nature miercuri descrie o modalitate de a face ca tranzistoarele de siliciu vechi vechi să se comporte foarte mult ca un neuron propriu. Și spre deosebire de procesoarele dedicate făcute până acum, necesită doar două tranzistoare pentru a face acest lucru.
Pumnul
Noua lucrare a fost făcută de o colaborare între cercetătorii din Arabia Saudită și Singapore. Scopul lor a fost de a simplifica cerințele de bază pentru calcularea neuromorfă din tipurile de lucruri făcute de Intel, păstrându -l în același timp compatibil cu tehnologia de siliciu existentă. Pentru a face acest lucru, s -au bazat pe un fenomen care este de obicei considerat o problemă în timpul funcționării procesoarelor normale de siliciu.
Mai exact, cercetătorii operează un tranzistor sub ceea ce se numește „condiții de perforare”. Acest lucru se întâmplă atunci când încărcările se acumulează într -un semiconductor într -un mod care poate permite exploziilor de curent să treacă prin tranzistor chiar și atunci când este în stare oprită. În mod normal, aceasta este considerată o problemă, astfel încât procesoarele sunt făcute astfel încât acest lucru să nu se întâmple. Dar cercetătorii au recunoscut că un eveniment de perforare ar arăta foarte mult cu vârful activității unui neuron.
Echipa a constatat că, atunci când este stabilită să funcționeze pe punctul de a pune în evidență modul de perforare, a fost posibilă utilizarea tensiunii porții pentru a controla acumularea de încărcare în siliciu, fie închizând dispozitivul în jos, fie permițând vârfurile de activitate care imită neuronii. Reglajele la această tensiune ar putea permite diferite frecvențe de spiking. Aceste ajustări ar putea fi făcute și folosind vârfuri, permițând, în esență, activitatea de vârf să ajusteze greutățile diferitelor intrări.
Odată cu funcționarea conceptului de bază, echipa și -a dat seama cum să funcționeze hardware -ul în două moduri. Într -unul dintre ei, acționează ca o sinapsă artificială, capabilă să fie setată în oricare dintre cele șase greutăți (și potențial mai multe), ceea ce înseamnă potența semnalelor pe care le transmite neuronilor artificiali din următorul strat al unei rețele neuronale. Aceste greutăți sunt o caracteristică cheie a rețelelor neuronale precum modele de limbaj mare.
Dar, atunci când este combinat cu un al doilea tranzistor care să ajute la modularea comportamentului său, a fost posibil ca tranzistorul să acționeze ca un neuron, integrând intrările într -un mod care a influențat frecvența vârfurilor pe care le trimite altor neuroni artificiali. Frecvența de vârf ar putea varia în intensitate cu un factor de 1.000. Și comportamentul a fost stabil pentru peste 10 milioane de cicluri de ceas.
Toate acestea au necesitat pur și simplu tranzistoare standard realizate cu procese CMOS, deci este ceva care ar putea fi pus în practică destul de rapid.
Argumente pro şi contra
Deci, ce avantaje are acest lucru? Este nevoie doar de două tranzistoare, ceea ce înseamnă că este posibil să puneți o mulțime de aceste dispozitive pe un singur cip. „Din perspectiva sinaptică”, susțin cercetătorii, „un singur dispozitiv ar putea, în principiu, să înlocuiască memoria statică de acces aleatoriu (o celulă de memorie volatilă care cuprinde cel puțin șase tranzistoare) în rețele neuronale cu greutate binarizată sau bliț încorporat în tablouri sinaptice cu mai multe niveluri, cu avantajul imediat al unei zone semnificative și reducerea costurilor pe bit.”
Acest lucru are, de asemenea, consecințe evidente pentru consumul de energie, deoarece va trebui să utilizați mult mai puțin hardware pentru a obține un număr foarte mare de neuroni artificiali. Autorii estimează că cerințele energetice sunt similare cu unele dintre implementările care se bazează pe memristori, care nu necesită întreținerea energiei.
Acestea fiind spuse, lucrurile nu sunt la fel de simple ca „ai nevoie doar de două tranzistoare”. Un cip care se bazează pe aceste dispozitive va avea, de asemenea, nevoie de hardware care să le controleze starea și să -l reseteze destul de des. În timp ce o stabilitate de 10 milioane de cicluri de ceas sună bine, o mulțime de hardware actual funcționează cu viteze, ceea ce înseamnă că acest lucru ar pierde starea de mai multe ori pe secundă. (Deși, pentru a fi corect, procesoarele neuromorfe tind să funcționeze la viteze de ceas mult mai mici.) Există, de asemenea, problema comunicațiilor; Vârfurile trebuie să fie trimise undeva la contează, astfel încât orice cip bazat pe acest sistem ar trebui să țină evidența unde și să aibă acces la o plasă de comunicare care să obțină vârfurile acolo.
Cealaltă problemă este faptul că acestea funcționează prin Spiking, mai degrabă decât prin simpla trimitere a unui fel de ieșire numerică. Este posibil să obțineți aproape orice rețea neuronală ca o rețeaua neuronală de vârfdar există unele provocări semnificative, cum ar fi transformarea contribuției într -o serie de vârfuri în primul rând. Performanța nu este întotdeauna la fel de bună pe cât ai obține de la o rețea care nu se ridică în fiecare caz de utilizare.
Totuși, având în vedere faptul că utilizarea energetică a AI ne pune la risc mai mare de a trece peste toate țintele noastre climatice, este probabil un lucru bun să avem la fel de multe opțiuni pe care le putem reduce la costurile energetice.
Natura, 2025. Doi: 10.1038/s41586-025-08742-4 (Despre Dois)
John este editorul științific al ARS Technica. Are un licențiat în arte în biochimie de la Universitatea Columbia și un doctorat. în biologie moleculară și celulară de la Universitatea din California, Berkeley. Când se desparte fizic de tastatura sa, el tinde să caute o bicicletă sau o locație pitorească pentru comunicarea cu cizmele sale de drumeție.
Comentarii recente