Naukowcy opracowali innowacyjne cząsteczki, które mogą zmienić oblicze komputerów, naśladując metody przetwarzania stosowane przez ludzki mózg.
Ten skok w technologii molekularnej toruje drogę platformom AI, które radykalnie zwiększają szybkość i wydajność obliczeń. Symulując procesy podobne do mózgowych, te nowe cząsteczki oferują skalowalne rozwiązanie dla energochłonnych zastosowań w różnych sektorach, obiecując znaczący krok w kierunku zrównoważonych i wydajnych obliczeń.
Rewolucyjne cząsteczki w informatyce
Zespół badawczy z Uniwersytetu w Limerick dokonał ważnego odkrycia, projektując cząsteczki, które mogą zrewolucjonizować informatykę.
Naukowcy z Instytutu Bernala przy UL odkryli nowe sposoby badania, kontrolowania i dostosowywania materiałów w najbardziej podstawowej skali molekularnej.
Wyniki wykorzystano w międzynarodowym projekcie z udziałem ekspertów z całego świata, aby pomóc w stworzeniu zupełnie nowego typu platformy sprzętowej sztuczna inteligencja który zapewnia bezprecedensową poprawę szybkości obliczeń i efektywności energetycznej.
Wyniki badań właśnie opublikowano w wiodącym na świecie czasopiśmie naukowym Natura.
Przełom w informatyce neuromorficznej
Zespół UL, kierowany przez Damiena Thompsona, profesora modelowania molekularnego na UL i dyrektora SSPC, Research Ireland Centre for Pharmaceuticals, we współpracy międzynarodowej z naukowcami z Indyjskiego Instytutu Nauki (IISc) i Texas A&M University, uważa, że to nowe odkrycie doprowadzi do innowacyjnych rozwiązań wielkich wyzwań społecznych w zakresie zdrowia, energii i środowiska.
Profesor Thompson wyjaśnił: „Projekt czerpie inspirację z ludzkiego mózgu, wykorzystując naturalne ruchy i drgania atomów do przetwarzania i przechowywania informacji. Gdy cząsteczki obracają się i odbijają wokół swojej sieci krystalicznej, tworzą wiele indywidualnych stanów pamięci.
„Możemy prześledzić ścieżkę cząsteczek wewnątrz urządzenia i przypisać każdą migawkę do unikalnego stanu elektrycznego. Tworzy to rodzaj dziennika podróży po cząsteczce, który można zapisywać i czytać tak samo jak w konwencjonalnym komputerze opartym na krzemie, ale tutaj ze znacznie poprawioną oszczędnością energii i przestrzeni, ponieważ każdy wpis jest mniejszy niż atom.
„To gotowe rozwiązanie może przynieść ogromne korzyści wszystkim aplikacjom komputerowym, od energochłonnych centrów danych po mapy cyfrowe wymagające dużej ilości pamięci i gry online”.
Poszerzanie horyzontów technologii neuromorficznej
Do tej pory platformy neuromorficzne – podejście do obliczeń inspirowane ludzkim mózgiem – sprawdzały się jedynie w przypadku operacji o niskiej dokładności, takich jak wnioskowanie w sztucznych sieciach neuronowych. Dzieje się tak, ponieważ podstawowe zadania obliczeniowe, w tym przetwarzanie sygnałów, szkolenie sieci neuronowych i przetwarzanie języka naturalnego, wymagają znacznie wyższej rozdzielczości obliczeniowej niż to, co mogą zaoferować istniejące obwody neuromorficzne.
Z tego powodu osiągnięcie wysokiej rozdzielczości było najbardziej zniechęcającym wyzwaniem w przetwarzaniu neuromorficznym.
Przeprowadzona przez zespół rekonceptualizacja podstawowej architektury obliczeniowej pozwala uzyskać wymaganą wysoką rozdzielczość, umożliwiając wykonywanie zadań wymagających dużej ilości zasobów przy niespotykanej dotąd efektywności energetycznej wynoszącej 4,1 teraoperacji na sekundę na wat (TOPS/W).
Przełom dokonany przez zespół rozszerza przetwarzanie neuromorficzne poza zastosowania niszowe, co może potencjalnie uwolnić od dawna zapowiadane rewolucyjne korzyści sztucznej inteligencji i rozszerzyć rdzeń elektroniki cyfrowej od chmury po urządzenia brzegowe.
Kierownik projektu w IISc, profesor Sreetosh Goswami, powiedział: „Precyzyjnie kontrolując szeroką gamę dostępnych stanów kinetycznych molekularnych, stworzyliśmy najdokładniejszy, 14-bitowy, w pełni funkcjonalny akcelerator neuromorficzny zintegrowany z płytką drukowaną, który może obsługiwać przetwarzanie sygnałów, sztuczną inteligencję i uczenie maszynowe obciążeń, takich jak sztuczne sieci neuronowe, automatyczne kodery i generatywne sieci kontradyktoryjne.
„Co najważniejsze, wykorzystując wysoką precyzję akceleratorów, możemy trenować sieci neuronowe na krawędzi, stawiając czoła jednemu z najpilniejszych wyzwań stojących przed sprzętem AI”.
Nadchodzą dalsze ulepszenia, ponieważ zespół pracuje nad poszerzeniem zakresu materiałów i procesów stosowanych do tworzenia platform oraz jeszcze większym zwiększeniem mocy przetwarzania.
Profesor Thompson wyjaśnił: „Ostatecznym celem jest zastąpienie tego, co obecnie nazywamy komputerami, wysokowydajnym „wszystkim sprzętem” opartym na energooszczędnych i przyjaznych dla środowiska materiałach, zapewniającym rozproszone, wszechobecne przetwarzanie informacji w całym środowisku, zintegrowane z przedmiotami codziennego użytku, od odzieży po żywność opakowań do materiałów budowlanych.”
Odniesienie: „Liniowe, symetryczne, samowybierające się 14-bitowe kinetyczne memrystory molekularne” autorstwa: Deepak Sharma, Santi Prasad Rath, Bidyabhusan Kundu, Anil Korkmaz, Harivignesh S, Damien Thompson, Navakanta Bhat, Sreebrata Goswami, R. Stanley Williams i Sreetosh Goswami, 11 wrzesień 2024, Natura.
DOI: 10.1038/s41586-024-07902-2
