15 ноября, 2024

hleb

Находите все последние статьи и смотрите телешоу, репортажи и подкасты, связанные с Россией.

Открытие прорыва открывает путь для компьютеров, похожих на мозг

Открытие прорыва открывает путь для компьютеров, похожих на мозг

В течение долгого времени проводились исследования по разработке компьютеров, которые работали бы так же энергоэффективно, как наш мозг. В исследовании, проведенном учеными из Гетеборгского университета, впервые удалось объединить функцию памяти и вычислительную функцию в одном компоненте. Это открытие открывает путь к более эффективным технологиям, от сотовых телефонов до беспилотных автомобилей.

В последние годы компьютеры смогли решать сложные когнитивные задачи, такие как распознавание языка и изображений или отображать превосходные шахматные навыки, во многом благодаря искусственному интеллекту (ИИ). В то же время человеческий мозг по-прежнему не имеет себе равных по своей способности выполнять задачи эффективно и результативно.

Поиск новых способов выполнения вычислений, которые напоминают процессы энергоэффективности в мозге, было основной целью исследований на протяжении десятилетий. Когнитивные задачи, такие как распознавание изображений и голоса, требуют большой мощности компьютера, а мобильные приложения, в частности, такие как сотовые телефоны, дроны и спутники, требуют энергоэффективных решений.. «

Йохан Акерманн, профессор прикладной стоматологической электроники, Гетеборгский университет

важный прорыв

Работая с исследовательской группой в Университете Тохоку, Аукерманн провел исследование, которое сделало важный шаг вперед в достижении этой цели. В исследовании, опубликованном в настоящее время в Nature Materials, исследователям впервые удалось соединить два основных инструмента продвинутых вычислений: сети осцилляторов и мемристоров.

Аукерманн описывает осцилляторы как колебательные контуры, которые могут выполнять вычисления, сравнимые с человеческими нейронами. Мемристоры — это программируемые резисторы, которые также могут выполнять арифметические операции и имеют встроенную память. Это делает его сопоставимым с ячейками памяти. Слияние этих двух направлений является большим достижением исследователей.

«Это важное достижение, потому что мы показываем, что можно объединить функцию памяти с вычислительной функцией в одном компоненте. Эти компоненты работают больше как энергосберегающие нейронные сети в мозгу, позволяя им стать важными строительными блоками в будущее, больше похожее на мозговые компьютеры ».

READ  Facebook обвиняет Apple в том, что она «подрывает позиции других» из-за правил App Store в отношении продвигаемых постов

Включает энергосберегающие технологии

По словам Иоганна Аукерманна, это открытие позволит предоставлять более быстрые, простые в использовании и менее энергоемкие технологии во многих областях. Он считает огромным преимуществом то, что исследовательской группе удалось производить ингредиенты в чрезвычайно маленьком пространстве: сотни ингредиентов помещаются на площади, эквивалентной одной бактерии. Это может быть особенно важно для небольших приложений, таких как мобильные телефоны.

«Более энергоэффективная арифметика может привести к появлению новых функций в мобильных телефонах. Примеры — цифровые помощники, такие как Siri или Google. Сегодня вся обработка выполняется серверами, потому что вычисления требуют много энергии для телефона небольшого размера. Если вместо этого, вычисления могут можно делать локально, на физическом телефоне, и делать это можно быстрее и проще без необходимости подключения к серверам ».

Он указывает на беспилотные автомобили и самолеты как на другие примеры областей, в которых более энергоэффективные вычисления могут способствовать развитию.

«Чем более энергоэффективным будет выполнение когнитивных вычислений, тем больше у него будет приложений. Вот почему наше исследование действительно имеет потенциал для продвижения в этой области».

Источник:

Ссылка на журнал:

Захидин Неджад, М. и другие. (2021) Мемристивное управление синхронизацией нано-холловского генератора возвратно-поступательного шпинделя для нейронных вычислений. природные материалы. doi.org/10.1038/s41563-021-01153-6.