저에너지 AI를 제공할 수 있는 '나노자성' 컴퓨팅

저에너지 AI를 제공할 수 있는 '나노자성' 컴퓨팅 날짜: 2022년 5월 5일 원천: 임페리얼 칼리지 런던 요약: 연구원들은 뇌의 뉴런처럼 상호 작용하는 작은 나노자석을 사용하여 인공 지능을 수행하는 것이 가능하다는 것을 보여주었습니다. 연구원들은 뇌의 뉴런처럼 상호 작용하는 작은 나노자석을 사용하여 인공 지능을 수행하는 것이 가능하다는 것을 보여주었습니다. 임페리얼 칼리지 런던(Imperial College London) 연구원들이 이끄는 팀이 개발한 새로운 방법은 현재 3.5개월마다 전 세계적으로 두 배로 증가하고 있는 인공 지능(AI)의 에너지 비용을 줄일 수 있습니다. 오늘 네이처 나노테크놀로지( Nature Nanotechnology ) 에 발표된 논문 에서 국제 팀은 나노자석 네트워크가 AI와 유사한 처리를 수행하는 데 사용될 수 있다는 첫 번째 증거를 제시했습니다. 연구자들은 나노자석이 당뇨병 환자의 인슐린 수치를 예측하고 조절하는 것과 같은 '시계열 예측' 작업에 사용될 수 있음을 보여주었습니다. '신경망'을 사용하는 인공 지능은 뉴런이 정보를 처리하고 유지하기 위해 서로 대화하는 뇌의 일부가 작동하는 방식을 복제하는 것을 목표로 합니다. 신경망에 전력을 공급하는 데 사용되는 많은 수학은 원래 자석이 상호 작용하는 방식을 설명하기 위해 물리학자들에 의해 발명되었지만 연구원들이 데이터를 입력하고 정보를 내보내는 방법을 몰랐기 때문에 자석을 직접 사용하는 것은 너무 어려웠습니다. 대신 기존의 실리콘 기반 컴퓨터에서 실행되는 소프트웨어를 사용하여 자석 상호 작용을 시뮬레이션하고 뇌를 시뮬레이션했습니다. 이제 팀은 자석을 사용하여 데이터를 처리하고 저장할 수 있게 되었고 소프트웨어 시뮬레이션의 중개자를 제거하고 잠재적으로 엄청난 에너지 절약을 제공할 수 있게 되었습니다. 나노자성 상태 나노자석은 방향에 따라 다양한 '상태'로 나타날 수 있습니다. 나노자석 네트워크에 자기장을 가하면 입력 필드의 특성뿐만 아니라 주변 자석의 상태에 따라 자석의 상태가 변경됩니다. Imperial Department of Physics 연구원들이 이끄는 팀은 자기장이 통과한 후 각 상태에서 자석의 수를 세어 '답'을 제공하는 기술을 설계할 수 있었습니다. 연구의 공동 제1저자인 Jack Gartside 박사는 다음과 같이 말했습니다. 에너지 집약적인 시뮬레이션을 수행하는 컴퓨터 소프트웨어를 제거할 수 있는 길을 열어줍니다." 공동 제1저자인 Kilian Stenning은 다음과 같이 덧붙였습니다. "자석이 상호 작용하는 방식은 우리에게 필요한 모든 정보를 제공합니다. 물리 법칙 자체가 컴퓨터가 됩니다." 팀 리더인 Dr. Will Branford는 "Sherrington과 Kirkpatrick의 소프트웨어 알고리즘에서 영감을 받은 컴퓨터 하드웨어를 구현하는 것이 장기적인 목표였습니다. 기존 자석에서 원자의 스핀을 사용하는 것은 불가능했지만 스핀을 확장함으로써 가능했습니다. 나노패턴 어레이를 통해 우리는 필요한 제어 및 판독을 달성할 수 있었습니다." 에너지 비용 절감 AI는 이제 음성 인식에서 자율 주행 자동차에 이르기까지 다양한 맥락에서 사용됩니다. 그러나 비교적 간단한 작업을 수행하도록 AI를 훈련시키는 데는 엄청난 에너지가 필요할 수 있습니다. 예를 들어 루빅스 큐브를 풀기 위해 AI를 훈련시키는 데는 한 시간 동안 두 개의 원자력 발전소를 가동하는 것과 같은 에너지가 필요했습니다. 기존의 실리콘 칩 컴퓨터에서 이를 달성하는 데 사용되는 에너지의 대부분은 처리 및 메모리 저장 중에 전자를 비효율적으로 전송하는 데 낭비됩니다. 그러나 나노자석은 전자와 같은 입자의 물리적 이동에 의존하지 않고 대신 각 자석이 인접한 자석의 상태에 영향을 미치는 '마그논' 파동의 형태로 정보를 처리하고 전달합니다. 이는 손실되는 에너지가 훨씬 적고 정보의 처리 및 저장이 기존 컴퓨터와 같이 별도의 프로세스가 아니라 함께 수행될 수 있음을 의미합니다. 이 혁신은 나노자기 컴퓨팅을 기존 컴퓨팅보다 최대 100,000배 더 효율적으로 만들 수 있습니다. 엣지의 AI 팀은 다음으로 ECG 신호와 같은 실제 데이터를 사용하여 시스템을 가르치고 실제 컴퓨팅 장치로 만들기를 희망합니다. 결국 자기 시스템을 기존 컴퓨터에 통합하여 집중적인 처리 작업에 대한 에너지 효율성을 향상시킬 수 있습니다. 그들의 에너지 효율성은 또한 그들이 재생 가능 에너지에 의해 실행 가능하게 될 수 있고 'AI at the edge'를 수행하는 데 사용될 수 있음을 의미합니다. 즉, 대규모 데이터로 다시 보내는 대신 남극 대륙의 기상 관측소와 같이 데이터가 수집되는 곳에서 데이터를 처리하는 것입니다. 센터. 또한 웨어러블 장치에서 당뇨병 환자의 인슐린 수치를 예측 및 조절하거나 비정상적인 심장 박동을 감지하는 것과 같이 신체의 생체 데이터를 처리하는 데 사용할 수 있음을 의미합니다.