Hitech logo

Идеи

Решена проблема, мешавшая чипам в смартфонах стать мощнее в 1000 раз

TODO:
Степан Икаев30 августа 2020 г., 09:34

Команда инженеров из Университетского колледжа Лондона (UCL) разработала новый подход к созданию нейронных сетей на основе мемристоров, работающих практически без ошибок. До сих пор считалось, что применение мемристоров и безошибочность вычислений при построении нейронных сетей несовместимы. Переход систем ИИ с транзисторной аппаратной базы на мемристоры увеличит энергоэффективность ИИ в 1000 раз, а это приведет к быстрому появлению мощных нейроморфных чипов практически везде — от смартфонов до промышленных систем.

Самые интересные технологические и научные новости выходят в нашем телеграм-канале Хайтек+. Подпишитесь, чтобы быть в курсе.

Ученые давно выяснили, что система, в которой используются мемристоры для создания искусственных нейронных сетей, как минимум в 1000 раз более энергоэффективна, чем аппаратная платформа на основе транзисторов. Но перейти на нее не удавалось — она была сильнее подвержена ошибкам. Точность результатов системы на мемристорах значительно уступала точности такой же системы на транзисторах.

Команда из UCL придумала, как решить эту проблему и проведенное моделирование подтвердило, что оно верное, сообщает Tech Xplore. Решение оказалось удивительно простым. Ученые заставили мемристоры работать в нескольких подгруппах нейронных сетей и усреднили их вычисления. Таким образом, общая производительность незначительно снизилась, но количество ошибок сократилось практически до нуля.

Кроме того, ученые протестировали подход на нескольких типах мемристоров и обнаружили, что точность растет при использовании любой модели, независимо от материала или технологии изготовления.

Открытый метод борьбы с ошибками может стать основой для развития искусственного интеллекта нового поколения.

Появление мемристических нейронных сетей или нейроморфных чипов с энергоэффективностью в 1000 и более раз выше, чем у текущих транзисторных систем, позволит эффективно обучать нейронные сети вообще без подключения к внешним ресурсам. Их внутренних ресурсов будет для этого достаточно. Очевидно, что эта возможность перевернет не одну индустрию.

И ресурс этот обеспечивает сама природа мемристоров — их еще называют «резисторы с памятью», так как они помнят количество электрического заряда, протекавшего через них даже после выключения. При этом мемристоры работают не только в двоичном коде, состоящем из нулей и единиц, но и на нескольких уровнях от нуля до единицы одновременно. Это означает, что каждый бит может вместить больше информации. А с учетом того, что оперативные данные обрабатываются и хранятся в одном месте, их не нужно при проведении расчетов постоянно отправлять в память и извлекать из нее, все это на порядки увеличивает эффективность таких систем по сравнению с транзисторами.

Авторы проекта утверждают, что на данном этапе их ИИ сравнялся с уже существующими нейросетями и выполняет задачи на том же уровне, но это только начало перспективной разработки. Ученые обещают построить первую функционирующую модель на основе мемристоров в течение трех лет.