Сверхэффективный транзистор снизит расход энергии при обучении ИИ на 99%

«Сегодня большинство датчиков собирают данные и посылают их в облако, где на энергоемких серверах осуществляется анализ, а потом результаты отправляют пользователю, - сказал Марк Херсэм из Северо-Западного университета, руководитель исследования. – Этот подход невероятно дорогой, поглощает значительную долю энергии и увеличивает задержку.

Наше устройство настолько энергоэффективное, что его можно устанавливать напрямую в носимую электронику для распознавания сигналов в реальном времени и обработки данных, что позволит более оперативно оказывать помощь в случае медицинских осложнений».

Тогда как современные транзисторы делаются из кремния, те, что были созданы учеными из команды Херсэма, состоят из двухмерных листов дисульфида молибдена и одномерного слоя углеродных нанотрубок. Их конструкция позволяет быстро настраивать и реконфигурировать их, так что их можно использовать в различных этапах цепочки обработки данных, тогда как традиционные транзисторы выполняют всего по одному шагу, https://newatlas.com/technology/ai-machine-learning-transist... New Atlas.

Интеграция этих двух материалов в одно устройство позволило ученым сильнее воздействовать на электрический ток напряжением, добиваясь тем самым переналадки в динамике. Это дает возможность настраивать устройство различными способами, чтобы запускать сложные классификационные алгоритмы при низком потреблении энергии.

В ходе испытаний эти крошечные транзисторы были обучены на открытых базах данных электрокардиограмм распознавать шесть видов сердцебиения. В 10 000 образцах ученые смогли корректно идентифицировать аномальное сердцебиение в 95% случаев при помощи всего двух микротранзисторов.

Тогда как метод машинного обучения потребовал бы свыше 100 обычных транзисторов и в сто раз больше энергии.

Пока не ясно, в каких именно устройствах эти транзисторы могут применяться: в портативных, в обработке видеоданных или в классификации больших данных. В любом случае, они сулят стократное снижение в потреблении энергии и значительный шаг вперед в обучении крупных моделей ИИ.

Команда ученых из Японии https://hightech.plus/2023/08/04/razrabotan-samii-bistrii-v-... новую технологию создания тонких керамических пленок, способных мгновенно заряжать и разряжать электрический двухслойный транзистор несколько нанометров толщиной. Это важный шаг вперед к появлению эффективных, быстродействующих устройств искусственного интеллекта.