Theo truyền thống, chip silicon đã hình thành nên các khối cơ sở hạ tầng cung cấp năng lượng cho máy tính. Nhưng nghiên cứu này sử dụng các thành phần từ tính thay vì silicon và khám phá thông tin mới về cách tính chất vật lý của các thành phần từ tính có thể cắt giảm chi phí năng lượng cũng như yêu cầu của thuật toán đào tạo – mạng lưới thần kinh có thể suy nghĩ giống con người và thực hiện những việc như nhận dạng hình ảnh và mẫu.

Jean Anne Incorvia, trợ lý giáo sư tại Khoa Kỹ thuật Điện và Máy tính của Trường Cockrell, cho biết: “Hiện tại, các phương pháp đào tạo mạng lưới thần kinh của bạn rất tốn năng lượng. “Những gì công việc của chúng tôi có thể làm là giúp giảm nỗ lực đào tạo và chi phí năng lượng.”

Phát hiện của các nhà nghiên cứu đã được công bố trong tuần này trên IOP Công nghệ nano. Incorvia dẫn đầu nghiên cứu với tác giả thứ nhất và nghiên cứu sinh năm thứ hai Can Cui. Incorvia và Cui đã phát hiện ra rằng việc đặt các dây nano từ tính cách nhau, hoạt động như các nơ-ron nhân tạo, theo một số cách nhất định sẽ làm tăng khả năng các nơ-ron nhân tạo cạnh tranh với nhau một cách tự nhiên, trong đó những nơ-ron được kích hoạt nhiều nhất sẽ giành chiến thắng. Để đạt được hiệu ứng này, còn được gọi là “ức chế bên”, theo truyền thống đòi hỏi phải có thêm mạch điện bên trong máy tính, điều này làm tăng chi phí, tiêu tốn nhiều năng lượng và không gian hơn.

Incorvia cho biết phương pháp của họ giúp giảm năng lượng từ 20 đến 30 lần lượng năng lượng được sử dụng bởi thuật toán lan truyền ngược tiêu chuẩn khi thực hiện các nhiệm vụ học tập tương tự.

Giống như cách bộ não con người chứa các tế bào thần kinh, các máy tính thời đại mới có phiên bản nhân tạo của các tế bào thần kinh tích hợp này. Sự ức chế bên xảy ra khi các tế bào thần kinh hoạt động nhanh nhất có thể ngăn chặn các tế bào thần kinh chậm hơn hoạt động. Trong điện toán, điều này giúp cắt giảm việc sử dụng năng lượng khi xử lý dữ liệu.

Incorvia giải thích rằng cách thức hoạt động của máy tính đang thay đổi về cơ bản. Xu hướng chính là khái niệm điện toán mô phỏng thần kinh, về cơ bản là thiết kế máy tính có khả năng suy nghĩ giống bộ não con người. Thay vì xử lý từng tác vụ một, các thiết bị thông minh hơn này có mục đích phân tích lượng dữ liệu khổng lồ cùng một lúc. Những đổi mới này đã thúc đẩy cuộc cách mạng về học máy và trí tuệ nhân tạo, vốn thống trị bối cảnh công nghệ trong những năm gần đây.

Nghiên cứu này tập trung vào sự tương tác giữa hai nơ-ron từ tính và kết quả ban đầu về sự tương tác của nhiều nơ-ron. Bước tiếp theo liên quan đến việc áp dụng các phát hiện này cho các tập hợp nhiều nơ-ron lớn hơn cũng như xác minh bằng thực nghiệm các phát hiện của chúng.

Nghiên cứu được tài trợ bởi Giải thưởng NGHỀ NGHIỆP của Quỹ Khoa học Quốc gia và Phòng thí nghiệm Quốc gia Sandia, với nguồn lực từ Trung tâm Máy tính Nâng cao Texas của UT.

Nguồn câu chuyện:

Vật liệu được cung cấp bởi Đại học Texas ở Austin. Lưu ý: Nội dung có thể được chỉnh sửa theo kiểu và độ dài.