Mozkem inspirovaný čip z Cambridge slibuje snížení spotřeby AI o 70 %
InovaceVědci z University of Cambridge vyvinuli nový počítačový čip inspirovaný lidským mozkem, který by mohl výrazně snížit spotřebu energie umělé inteligence (AI).
Vědci z University of Cambridge vyvinuli nový počítačový čip inspirovaný lidským mozkem, který by mohl výrazně snížit spotřebu energie umělé inteligence (AI). Tento vysoce výkonný memristor, využívající speciální oxid hafnia, dokáže potenciálně omezit energetickou náročnost AI až o 70 %.
Memristor je nízkoenergetická součástka, která napodobuje způsob, jakým se propojují mozkové buňky, a pomáhá tak šetřit energii. Dr. Babak Bakhit, hlavní autor studie z Katedry materiálových věd a metalurgie v Cambridge, zdůrazňuje, že spotřeba energie je jednou z klíčových výzev současného AI hardwaru. Standardní počítačové čipy jsou neefektivní, protože většinu energie spotřebují na přesun dat mezi paměťovou jednotkou a procesorem, což generuje teplo a plýtvá energií. Lidský mozek funguje jinak – informace zpracovává a ukládá na stejném místě, v synapsi.
Tým z Cambridge vyvinul neuromorfní (mozkem inspirovaný) čip, který využívá stabilní, nízkoenergetický memristor zvládající obě tyto úlohy v jediném čipu. Většina memristorů se spoléhá na nepředvídatelné a nestabilní „vodivé filamenty“. Nová technika týmu z Cambridge využívá tenkou vrstvu na bázi hafnia, která nahrazuje tyto nestálé vysokonapěťové filamenty hladkým a spolehlivým spínacím rozhraním. Zařízení obsahuje stroncium a titan, které vytvářejí vnitřní p-n přechody fungující jako hladké elektronické brány. Místo chaotických strukturálních změn reguluje elektřinu jednoduchým nastavením energetické bariéry na rozhraní materiálu, což zajišťuje přesnost a spolehlivost potřebnou pro rozsáhlé systémy umělé inteligence.
Tento průlom na bázi hafnia snížil spotřebu energie díky spínacím proudům, které jsou milionkrát menší než u starších technologií. Navíc podporuje stovky stabilních, odlišných úrovní elektrického toku – přesnou schopnost „víceúlohovosti“ potřebnou pro pokročilé analogové výpočty v paměti. Laboratorní testy potvrdily, že zařízení jsou odolná a fungují podobně jako mozek, spolehlivě vydrží desítky tisíc cyklů a uchovávají data po dobu přibližně jednoho dne. Co je nejdůležitější, napodobují biologické učení tím, že reprodukují „plasticitu závislou na načasování impulzů“ (spike-timing dependent plasticity), což je stejný proces, jaký naše neurony používají k posílení nebo oslabení spojení na základě načasování příchozích signálů.
Dr. Bakhit uvádí, že tyto vlastnosti jsou nezbytné pro hardware, který se dokáže učit a přizpůsobovat, nikoli jen ukládat bity. Přestože je nadšení velké, k cílové čáře je ještě daleko. Současný výrobní proces vyžaduje teploty 700 °C, což je příliš vysoká teplota pro standardní výrobu polovodičů, která preferuje mnohem chladnější podmínky, aby nedošlo k roztavení citlivých součástí. Dr. Bakhit, který strávil tři roky „obrovským množstvím neúspěchů“ před listopadovým průlomem, se nyní zaměřuje na snížení této teploty, aby byla technologie kompatibilní s moderními výrobními linkami. Pokud se jim podaří tuto teplotu úspěšně snížit, technologie má potenciál stát se převratným řešením pro ultra-nízkoenergetický AI hardware. Toto zařízení by mohlo snížit spotřebu energie o 70 % a zároveň poskytnout stabilitu a přizpůsobivost potřebnou pro rozsáhlé, mozkem inspirované výpočty. Zjištění byla publikována v časopise Science Advances.