Er ‘Memristorer’ nøglen til AI, der efterligner den menneskelige hjerne?

Den menneskelige hjerne er den mest komplekse og kapable computer, mennesket nogensinde har kendt. Dette naturvidunder kan samtidig behandle millioner af datapunkter og sensorisk input i realtid. Selvom computere nu er i stand til at overgå hjernens kapacitet med hensyn til regnekraft, er der stadig områder, hvor de mangler. Et nyligt gennembrud inden for memristorer kan indeholde nøglen til at låse op for neurale netværksberegning, og åbne døren for smartere, hurtigere kunstige intelligenssystemer i fremtiden.

Aktuel chipdesign

Dagens von Neumann-computingarkitektur placerer behandling og hukommelse på to separate steder. Oprindeligt gav denne opbygning mening, da computere ikke krævede den enorme mængde datahentning, som findes i dag. Avancerede AI-systemer behandler dog milliarder af datapunkter i realtid. Derfor tæller hver millisekund, inklusive den tid og energi, der kræves for at hente og behandle hukommelse fra to separate steder.

Problemer med den aktuelle chipdesign

Den nuværende chipdesign er for langsom til at følge med de stigende krav fra AI-fællesskabet. En bedre løsning for beregningstunge protokoller som AI-systemer er at placere hukommelse og behandling på én enkelt chip. For at opnå dette vendte ingeniører sig mod en teknologi fra 1970’erne, memristorer.

Memristorer

Konceptet med memristorer opstod i 1971 efter en artikel offentliggjort af Leon Chua. Memristorer fungerer ved brug af varierende strømme. Ændring af strømretning og -mængde gør det muligt for disse enheder at gemme data. Deres kompakte størrelse og evne til at lagre og behandle data giver dem ideel ydeevne til dagens avancerede AI-systemer.

Problemer med memristor-teknologi i dag

Hovedproblemet med den nuværende memristor-teknologi, der anvendes i computere, er at de endnu ikke kan konkurrere med andre systemer. Disse eksperimentelle chipdesigns leverer ofte lavere beregningskraft, tvivlsom pålidelighed og mangler holdbarheden i deres dual-chip-modparter. Heldigvis er alt dette ved at ændre sig.

Neuromorfisk computing

Memristorer er en afgørende komponent i den neuromorfe computing-bevægelse. Denne computerklasse søger at efterligne de neurale netværk, der findes i din hjerne. Disse systemer kan beregne, behandle og lagre data på ét sted. De kan også lære, rette fejl og tilpasse sig nye scenarier, ligesom den menneskelige hjerne fungerer. Denne evne, kombineret med det nye integrerende chipdesign, muliggør en ny æra inden for beregningskraft.

Memristor-chipstudie

Studiet “Selv-superviseret videobehandling med selvkalibrering på en analog computerplatform baseret på en selektor-fri memristor-array“¹ blev offentliggjort i det videnskabelige tidsskrift Nature Electronics denne måned. Undersøgelsen beskriver en næste generations neuromorfisk halvlederbaseret processor, der efterligner den måde, den menneskelige hjerne tænker på, og gør det muligt for den at lære og tilpasse sig for at forbedre ydeevnen.

Nyt chipdesign

Forskerne integrerede en selektor-fri analog memristor-array for at skabe en alt-i-en lager- og behandlingsenhed. Enheden udnytter perifer kredsløb og en digital controller til at programmere memristorerne i realtid. Specifikt blev interfacial-type titaniumoxid-memristorer valgt til at udføre eksperimenterne.

Kilde – KAIST

Efterligner den menneskelige hjerne

En af de mest imponerende dele af denne forskning er, at ingeniørerne formåede at integrere et avanceret AI-system direkte i chippen. Denne integration gør det muligt for chippen at lære og rette fejl. Enheden leverer realtidsanalyse og on-site behandling, hvilket gør den til den ideelle løsning for flere anvendelsestilfælde som musikredigering, sikkerhed og meget mere.

Find nye scenarier

Imponerende nok valgte ingeniøren at køre AI-algoritmer i den analoge domæne. Som følge heraf blev systemet sat op til at udnytte selvkalibrering uden kompensationsoperationer eller forudgående træning. Ligesom et menneske kan denne AI evaluere realtidsdata og krydstjekke dem med sin historik for at bestemme den næste handling.

Forbedr dens ydeevne

Dette setup gør det muligt for ingeniører at skabe computere og enheder, der lærer, retter fejl og behandler AI-opgaver on-site. Dataene gemmes og behandles derefter for at se deres relation til tidligere data og andre unikke egenskaber. Når systemet fastslår, at ydeevneforbedringer er mulige gennem læring, integrerer det dem automatisk.

Memristor-chiptest

For at ingeniørerne kunne teste verdens første memristor-baserede integrerede system, der kan tilpasse sig realtidsdatændringer, opsatte de en videoredigeringsopgave. AI-systemet fik kontinuerlig realtidsvideo af en bevægende person. Det skulle adskille forgrunden og baggrunden i videoen.

Resultater af memristor-chiptest

Dataene viser lovende resultater. For det første blev AI’en hurtigere og mere effektiv for hver cyklus. I starten tog AI’en ekstra tid om at bestemme situationen, men ved de sidste gennemløb var AI’en allerede blevet vant til processen og hvordan man bestemmer, hvad der er forgrund eller baggrund.

Imponerende nok viste AI-chipens videoredigeringstest en gennemsnitlig top signal-til-støj-forhold på 30,49 dB, hvilket er sammenligneligt med dedikerede tjenester. Derudover registrerede holdet en strukturel lighedsindeks på 0,81.

Fordele ved memristor-chip

Der er flere grunde til, at memristor-chips er en smart idé. For det første tilbyder de on-site realtidsdataanalyse. Det betyder, at enheder kan fungere uden internetforbindelse eller behovet for at kontakte en anden enhed for at foretage en kvalificeret vurdering af deres omgivelser.

Sikkerhed

Sikkerhed og privatliv øges takket være dette layout. Da dataene ikke behøver at blive sendt uden for stedet, reduceres risikoen for hacking eller menneskelige fejl betydeligt.

Bedre ydeevne

En anden stor fordel ved denne undersøgelse er, at den demonstrerer, hvordan man kan forbedre ydeevnen fra nutidens PC’er. Det memristor-drevne AI-system tilbyder parallelle beregningsmuligheder til sine brugere, forbedrer kapaciteter og gør det muligt for systemer at håndtere større belastning.

Størrelse

Memristor-chips er meget mindre end traditionelle layouts. Derfor er de ideelle til mikroelektronik, wearables, robotteknologi og andre scenarier, hvor plads er begrænset eller vægt er en stor bekymring, såsom droner eller anden rumfartsteknologi.

Reduceret energiforbrug

Hvad angår energiforbrug, bruger memristor-chips hundredvis af gange mindre strøm end traditionelt chipdesign. Den energi, der bruges til at programmere chippen, er minimal. Dette lave energiforbrug er ideelt for bæredygtighed og sikrer, at AI-revolutionen ikke påfører miljøet en enorm belastning, som den industrielle revolution fortsat gør.

Memristorers anvendelser

Der findes mange anvendelser for memristorer på markedet. For det første er de ideelle til kompakte og energieffektive kunstige intelligens (AI) edge-computing-systemer. Denne teknologi kan en dag hjælpe med at gøre alle dine smarte enheder meget smartere, lettere og mere kapable. Her er blot nogle få anvendelser af memristor-chipsystemet.

Videobehandling

AI-videobehandling er en af de hurtigst voksende sektorer på markedet. Forskerens chip er ideel til denne opgave af mange grunde. For det første bruger den sine selvlærende evner til at reducere arbejdsbyrden og forbedre output. Du kunne se denne type chip blive brugt til at drive avancerede AI-redigeringssystemer som den, der blev testet af holdet.

Allerede nu gør AI-redigeringssystemer visning mere overkommelig. Tre systemer kan ofte skabe duplicate frames mellem den originale ramme, hvilket muliggør massive opløsningsopgraderinger. I fremtiden kunne et sådant system gøre det enkelt at redigere high-end video fra din telefon.

Sundhedspleje

Brugen af AI i sundhedspleje er stigende. Memristor-drevne smarte enheder vil en dag levere dybdegående overvågning af patienter, styrke fagfolk ved at reducere deres arbejdsbyrde og forbedre deres bevidsthed. AI’en kan endda sættes op til at sende data til et andet AI-system, der er specifikt designet til sundhedspleje.

Sikkerhed

Det giver mening at bruge et selvlærende AI-system til at programmere sikkerhedskameraer. Forestil dig dit smarte kamera, der overvåger din have. Pludselig dukker en person op og laver nogle bevægelser, før de går ud af billedet. Hvis du ikke så på skærmen, gik du glip af det. Et memristor-drevet AI-sikkerhedssystem kunne scanne området for mistænkelig adfærd og underrette dig i realtid.

Autonome køretøjer

Autonome køretøjer vil helt sikkert integrere denne teknologi i fremtiden for at kunne påtage sig nye ansvarsområder og en højere pålidelighed. Systemet vil gøre det muligt for køretøjer at analysere deres omgivelser og foretage kvalificerede gæt om det bedste scenarie. Hver gang evalueres beslutningen og bruges til at måle den næste mulighed, hvilket sikrer bedre ydeevne over tid.

Memristor-forskere

Dette studie blev ledet af KAIST-ingeniører Professor Shinhyun Choi og Professor Young-Gyu Yoons fælles forskningsteam fra Institut for Elektroteknik. Hakcheon Jeong og Seung Jae Han bidrog også med at indsamle og behandle dataene.

Memristor-chipstudiet har støtte fra Next-Generation Intelligent Semiconductor Technology Development Project, Excellent New Researcher Project og PIM AI Semiconductor Core Technology Development Project fra National Research (NRC ) Foundation of Korea samt Electronics and Telecommunications Research Institute Research and Development Support Project.

En virksomhed, der kunne drage fordel af memristorstudiet

Der er mange industrier, som denne teknologi kan forbedre. Verden har nået sin grænse med hensyn til at formindske modstande. Denne seneste udvikling introducerer en mere pålidelig og skalerbar mulighed på markedet. Her er en virksomhed, der er positioneret til at udnytte disse data for succes.

Micron Technologies Inc.

Micron Technologies Inc. (MU ) gik ind på markedet i 1978. Den blev grundlagt af Ward Parkinson, Joe Parkinson, Dennis Wilson og Doug Pitman som en halvlederproduktionsvirksomhed. Virksomheden oplevede hurtigt succes, og i 1980 åbnede firmaet sin første fremstillingsanlæg.

Siden da har Micron Technologies udvidet sine tilbud til andre teknologirelaterede sektorer. Imponerende nok sikrede den sig en plads i Fortune 500 i 1994. I dag er den anerkendt som en banebrydende kraft efter årtier af chip-innovationer.

Micron Technologies er en førende forsker og udvikler af memristor-chipsets. Virksomheden søger at integrere denne teknologi for at drive sin blomstrende datacenterforretningsmodel. I øjeblikket beskæftiger virksomheden 43.000 medarbejdere. Derfor betragtes MU som et stærkt “køb” for handlende, der søger eksponering mod AI-sektoren.

Meristors vil drive AI-revolutionen.

Det innovative team bag memristor-CPU-design forstår vigtigheden af direkte on-chip hukommelse og behandling for at drive AI-systemer. Nu vil ingeniørerne videreudvikle deres forskning og testning for så hurtigt som muligt at få memristor-drevne chips ind i forbrugerelektronik.

Lær om andre computer-gennembrud.

Studierreferencer:

^{1. Duan, X., Cao, Z., Gao, K., Yan, W., Sun, S., Zhou, G., Wu, Z., Ren, F., & Sun, B. (2024). Memristor-baserede neuromorfe chips. Advanced Materials, 36(14), e2310704. https://doi.org/10.1002/adma.202310704}