Novi hardver za brže računanje uz manju potrošnju energije

Inženjeri koji rade na "analognom dubokom učenju" pronašli su način pokretanja protona kroz čvrsta tijela neviđenim brzinama

Mladen Smrekar srijeda, 3. kolovoza 2022. u 06:00

Dok znanstvenici pomiču granice strojnog učenja, količina vremena, energije i novca potrebnih za treniranje sve složenijih modela neuronskih mreža vrtoglavo raste. Novo područje umjetne inteligencije nazvano analogno duboko učenje obećava brže računanje uz manju potrošnju energije.

Programabilni otpornici

Programabilni otpornici ključni su građevni blokovi u analognom dubokom učenju, baš kao što su tranzistori ključni elementi za digitalne procesore. Ponavljanjem nizova programabilnih otpornika u složenim slojevima, istraživači mogu stvoriti mrežu analognih umjetnih "neurona" i "sinapsi" koje izvršavaju proračune poput digitalne neuronske mreže.

Analogni procesor dubokog učenja koji pokreće ultrabrza protonika
Analogni procesor dubokog učenja koji pokreće ultrabrza protonika

Ta se mreža tada može osposobiti za postizanje složenih zadataka umjetne inteligencije poput prepoznavanja slika i obrade prirodnog jezika.

Brzo i učinkovito

Multidisciplinarni tim istraživača s MIT-a iskoristio je praktičan anorganski materijal u procesu izrade koji uređajima omogućuje milijun puta brži rad. To je i milijun puta brže od sinapsi u ljudskom mozgu.

Štoviše, ovaj anorganski materijal kompatibilan je s tehnikama izrade silicija i čini otpornik iznimno energetski učinkovitim. A to pak omogućuje izradu uređaja na nanometarskoj razini i utire put integraciji dubokog učenja u komercijalni računalni hardver.

Svemirski brod

"Ovo nije brži automobil, ovo je raketa", objašnjavaju istraživači rada objavljenog u časopisu Science. Analogno dubinsko učenje je brže i energetski učinkovitije od digitalnog pandana iz dva glavna razloga. Računanje se izvodi u memoriji pa se ogromne količine podataka ne prenose naprijed-natrag iz memorije u procesor.

Praktičan anorganski materijal uređajima omogućuje milijun puta brži rad. To je i milijun puta brže od sinapsi u ljudskom mozgu
Praktičan anorganski materijal uređajima omogućuje milijun puta brži rad. To je i milijun puta brže od sinapsi u ljudskom mozgu

Uz to, analogni procesori operacije izvode paralelno. Ako se veličina matrice proširi, analognom procesoru ne treba više vremena za dovršenje novih operacija jer se sve izračune odvijaju istovremeno.

Anorganski otpornik 

Ključni element nove analogne procesorske tehnologije MIT-a je protonski programabilni otpornik od anorganskog fosfor-silikatnog stakla (PSG). Riječ je o silicijevom dioksidu, praškastom isušivaču koji se koristi za uklanjanje vlage. PSG omogućuje ultrabrzo kretanje protona jer sadrži mnoštvo pora nanometarske veličine i može izdržati vrlo jaka, pulsirajuća električna polja.

Preslikavanje energetski disperzivne spektroskopije (EDS) u transmisijskom elektronskom mikroskopu (TEM)
Preslikavanje energetski disperzivne spektroskopije (EDS) u transmisijskom elektronskom mikroskopu (TEM)

Primjena većeg napona omogućuje protonima da se kreću zasljepljujućom brzinom. "Ovo kretanje ne oštećuje ništa, zahvaljujući maloj veličini i maloj masi protona. To je gotovo poput teleportiranja", objašnjavaju istraživači.

Milijuni ciklusa bez kvara

Budući da protoni ne oštećuju materijal, otpornik može raditi milijune ciklusa bez kvara. Ovaj novi elektrolit može učinkovito raditi na sobnoj temperaturi, što je važno za ugradnju u računalni hardver. A zahvaljujući izolacijskim svojstvima PSG-a, gotovo nikakva električna struja ne prolazi kroz materijal dok se protoni kreću i to uređaj čini iznimno energetski učinkovitim.