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

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, https://techxplore.com/news/2020-08-brain-inspired-electroni... 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.