Компьютерные нейросети, на основе которых строится искусственный интеллект, устроены по своей сути также, как и их анатомические прародители. Для того, чтобы ИИ учился чему-то новому, нужно укреплять старые и создавать новые связи между элементами нейросети. На текущем уровне развития технологий наращивать потенциал нейросетей становится все сложнее. Но на помощь могут прийти новые мемристоры, разработанные в Американском Институте Физики (AIP).
(adsbygoogle = window.adsbygoogle || []).push({});
Мемристор — это элемент, способный менять сопротивление в зависимости от проходящего через него заряда, благодаря чему он может выступать в качестве хранилища данных, что в очень упрощенном виде напоминает работу нейронов и синапсов головного мозга. Да и само название элемента происходит от слияния двух слов: memory и resistor.
Как сообщает редакция издания EurekAlert, группа исследователей из API разработала новый тип «электронного синапса», который состоит из мемристоров на основе нитрида бора толщиной всего в 1 атом. По словам автора работы Ивана Санчеса Эскеда,
«Сейчас имеется большой интерес к использованию новых типов материалов для мемристоров. Мы показали, что наши устройства могут хорошо работать в сфере нейроморфных вычислительных приложений.»
На самом деле решение перевести мемристоры на субнанометровый уровень было продиктовано проблемой энергосбережения. Дело в том, что массив микроскопических мемристоров оказался в 10000 раз более энергоэффективен, чем любые имеющиеся аналоги.
«Оказывается, если вы начнете увеличивать количество параллельно работающих устройств — вы получите значительный прирост в точности вычислений, сохранив при этом тот же уровень энергопотребления.»
Сейчас команда ученых хочет применить новый вид «электронных синапсов» для выполнения различных задач, включая распознавания образов и изображений. Также в дальнейшем не исключается и их применение в сфере глубокого машинного обучения.
Эту и другие новости вы можете обсудить в нашем чате в Телеграм.
Владимир Кузнецов