Чип, созданный на основе мозга, самостоятельно учится и исправляет ошибки
Чип, разработанный учеными из KAIST, решает проблему существующих нейроморфных устройств за счет обучения и исправления ошибок, вызванных неидеальными характеристиками.
Группа исследователей из Корейского передового института науки и технологий (KAIST) в Южной Корее разработала интегрированный чип на основе мемристора, который имитирует процесс обработки информации в мозге. Об этом пишет Interesting Engineering.
Команда разработала нейроморфный чип следующего поколения — сверхмалый полупроводник, который самостоятельно обучается и исправляет ошибки.
Чип теперь готов к использованию в различных устройствах, таких как интеллектуальные камеры безопасности, которые мгновенно обнаруживают подозрительную активность, не полагаясь на облачные серверы, и медицинские устройства, которые анализируют данные о состоянии здоровья в режиме реального времени.
Этот самообучающийся чип продемонстрировал свои возможности, достигнув точности, сравнимой с идеальными компьютерными симуляциями при обработке изображений в реальном времени. Ключевое достижение исследовательской группы заключается в создании системы, которая не только надежна, но и практична, превосходя разработку отдельных компонентов, подобных мозгу.
Центральным элементом является полупроводниковое устройство нового поколения, называемое мемристором. Его переменные свойства сопротивления имитируют роль синапсов в нейронных сетях, позволяя одновременно хранить данные и выполнять вычисления, подобно тому, как функционируют клетки нашего мозга.
Мемристор точно контролирует изменения сопротивления, создавая эффективную систему, которая устраняет необходимость в сложной компенсации посредством самообучения. Это исследование важно, поскольку оно показывает коммерческий потенциал нейроморфной системы следующего поколения для обучения и вывода в реальном времени.
Платформы на основе мемристоров могут обеспечить компактные и энергоэффективные системы периферийных вычислений ИИ благодаря их способности выполнять параллельные вычисления в аналоговой области. Однако системы на основе массивов мемристоров сталкиваются с трудностями при реализации алгоритмов ИИ в реальном времени с обучением на устройстве из-за проблем с надежностью, таких как низкий выход, плохая однородность и проблемы с выносливостью.
Теперь эта технология направлена на трансформацию того, как ИИ интегрируется в повседневные устройства, позволяя обрабатывать задачи ИИ локально.
Напомним, исследователи из Университета Вирджинии в США открыли путь к разработке более производительных компьютерных чипов, научившись управлять теплом.