Добавь сайт в закладки нажми CTRL+D
Чип, разработанный учёными из KAIST, преодолевает проблему существующих нейроморфных устройств, обучаясь и исправляя ошибки, вызванные неидеальными характеристиками. Группа исследователей из Корейского передового института науки и технологий (KAIST) разработала интегрированный чип на основе мемристоров, который имитирует способ обработки информации по принципу, как в человеческом мозге.
Команда под руководством профессоров Шинхюна Чоя и Янг-Гю Юна разработала нейроморфный чип нового поколения – сверхмалый полупроводник, который самостоятельно обучается и исправляет ошибки.
Чип уже готов к использованию в различных устройствах, как умные камеры безопасности, которые мгновенно обнаруживают подозрительную активность, не полагаясь на облачные серверы, так и медицинские приборы, анализирующие данные о состоянии здоровья в режиме реального времени.
Решение проблем в нейроморфных устройствах
Новый вычислительный чип выделяется способностью обучаться и исправлять ошибки, вызванные неидеальными характеристиками, что сегодня является проблемой для существующих нейроморфных устройств.
Например, при обработке видеопотоков он может автоматически отделять движущиеся объекты от фона и улучшать производительность с течением времени. Самообучающийся чип уже продемонстрировал свои возможности, достигнув точности, сравнимой с идеальными компьютерными симуляторами, при обработке изображений в реальном времени.
Главное достижение исследовательской группы заключается в создании системы, которая не только надёжна, но и практична, превосходя разработку отдельных подобных компонентов и процессоров.
Центральное место в этой инновации занимает полупроводниковое устройство нового поколения, называемое мемристором. Его переменное сопротивление имитирует роль синапсов в нейронных сетях, обеспечивая одновременное хранение данных и вычисления, подобно тому как функционируют клетки нашего мозга.
Мемристор точно контролирует изменение сопротивления, создавая эффективную систему, которая избавляет от необходимости сложной компенсации из-за самообучения. Исследование имеет большое значение, поскольку демонстрирует коммерческий потенциал нейроморфных систем нового поколения для обучения и выводов в режиме реального времени.
Локальная обработка задач ИИ для повышения скорости
Платформы на основе мемристоров могут стать компактными и энергоэффективными системами вычислений для ИИ, благодаря их способности выполнять параллельные вычисления в аналоговой области.
Однако существующие системы на основе мемристорных массивов сталкиваются с трудностями при реализации алгоритмов ИИ с обучением в реальном времени на устройствах из-за проблем с надёжностью, и проблем как низкий выход и плохая однородность.
Новая технология призвана изменить способы интеграции ИИ в повседневные устройства, позволяя обрабатывать задачи ИИ локально. Это снижает зависимость от удалённых облачных серверов, делая устройства более быстрыми, безопасными и энергоэффективными.
«Мы используем мемристоры на основе оксида титана межфазного типа с постепенным распределением кислорода, которые демонстрируют высокую надёжность, линейность, отсутствие формовки и самокоррекцию» – заявили учёные в своей работе.
Они также утверждают, что их платформа может выполнять алгоритмы ИИ в аналоговой области за счёт самокалибровки, без необходимости компенсации или предварительного обучения. По словам исследователей KAIST Хакчхона Чона и Сунджэ Хана, система функционирует как умное рабочее место, где всё легко доступно, избавляя от необходимости ходить туда-сюда между столами и картотеками.
По их словам, новая система отражает процесс обработки информации в мозге, где всё и сразу эффективно обрабатывается в одном месте.