Er ‘Memristors’ Nøglen til, at AI Kan Efterligne Menneskehjernen?

Menneskehjernen er den mest komplekse og kapable computer, som mennesket har kendt. Dette naturvidenskabelige vidunder kan samtidig behandle millioner af datapunkter og sanseindtryk i realtid. Mens computere i dag kan overgå menneskehjernens kapaciteter i forhold til beregningskraft, er der stadig nogle områder, hvor de mangler. En ny gennembrud i memristors kan holde nøglen til at låse op for neuralt netværksberegning, og åbne døren for smartere, hurtigere kunstig intelligens-systemer i fremtiden.

Nuværende Chip-Design

I dag placerer von Neumanns beregningsarkitektur behandlingen og hukommelsen på to separate lokaliteter. Oprindeligt gjorde denne layout mening, da computere ikke krævede den store mængde datahentning, som findes i dag. however, avancerede AI-systemer behandler milliarder af bits af data i realtid. Som sådan, tæller hver millisekund, herunder den tid og energi, det tager at hente og behandle hukommelse fra to separate lokaliteter.

Problemer med Nuværende Chip-Design

Det nuværende chip-design er for langsomt til at følge med de voksende krav fra AI-fællesskabet. En bedre løsning for beregnings-intensive protokoller som AI-systemer er at placere hukommelsen og behandlingen på samme chip. For at udføre dette opgave, vendte ingeniørerne sig mod en teknologi, der blev oprettet i 1970’erne, memristors.

Memristors

Begrebet Memristors opstod i 1971 efter en artikel, der blev offentliggjort af Leon Chua. Memristors fungerer gennem brugen af varierende strømme. Ændring af retning og mængde af strøm ermögiller disse enheder at gemme data. Deres kompakte størrelse og evne til at gemme og behandle data giver dem ideel præstation for i dag avancerede AI-systemer.

Problemer med Memristor-Teknologi i Dag

Hovedproblemet med i dag memristor-teknologi, der bruges i computere, er, at de ikke kan konkurrere med andre systemer endnu. Disse eksperimentelle chip-designs giver ofte lavere beregningskraft, tvivlsom pålidelighed og mangler holdbarheden af deres to-chip-modstykke. Heldigvis er alt dette om at ændre sig.

Neuromorf Beregning

Memristors er en afgørende komponent i neuromorf beregningsbevægelsen. Denne computerklasse søger at efterligne de neurale netværk, der findes i din hjerne. Disse systemer kan beregne, behandle og gemme data på samme lokalitet. De kan også lære, korrigere og tilpasse sig til nye scenarier, ligesom menneskehjerner fungerer. Denne kapacitet, kombineret med den nye inklusive chip-design, ermöglicer en ny æra i beregningskraft.

Memristor Chip-Studie

Studiet “Self-supervised video processing with self-calibration on an analog computing platform based on a selector-less memristor array“¹ blev offentliggjort i det videnskabelige tidsskrift Nature Electronics denne måned. Studiet detaljerer en næste-generations neuromorf halvleder-baseret processor, der efterligner, hvordan menneskehjernen tænker, og ermöglicer den at lære og tilpasse sig for at forbedre præstationen.

Nyt Chip-Design

Forskerne integrerede en selector-løs analog memristor-array for at skabe en enhed, der kan gemme og behandle data. Enheden udnytter periferikredsløb og en digital controller til at programmere memristors i realtid. Specifikt blev interfacial-type titanium oxide memristors valgt til at køre eksperimenterne.

Source – KAIST

Efterligner Menneskehjernen

En af de mest imponerende dele af denne forskning er, at ingeniørerne kunne integrere et avanceret AI-system direkte i chippen. Denne integration ermöglicer chippen at lære og korrigere fejl. Enheden giver realtidsanalyse og på-stedets-behandling, hvilket gør den til det ideelle valg for multiple brugs-scenarier som musikredigering, sikkerhed og meget mere.

Figur ud nye Scenarier

Imponerende valgte ingeniøren at køre AI-algoritmer i den analoge domæne. Følgelig blev systemet sat op til at udnytte selvjustering uden kompensationsoperationer eller forudgående træning. Ligesom en person kan dette AI-system evaluere realtidsdata og krydshenvisningsdet til dets historie for at bestemme den næste handling.

Forbedre dens Præstation

Denne opsætning ermöglicer ingeniørerne at skabe computere og enheder, der kan lære, korrigere fejl og behandle AI-opgaver på stedet. Data gemmes og behandles for at se dens relation til tidligere data og andre unikke funktioner. Når systemet bestemmer, at præstationsforbedringer er mulige gennem læring, integrerer det dem automatisk.

Memristor Chip-Test

For at teste verdens første memristor-baserede integrerede system, der kan tilpasse sig til realtidsdataændringer, satte ingeniørerne op en video-redigeringsopgave. AI-systemet blev født med kontinuerlig realtidsvideo af en person, der bevæger sig.

Memristor Chip-Test Resultater

Data viser nogle lovende resultater. For det første blev AI hurtigere og mere effektiv med hver cyklus. Til at begynde med tog AI ekstra tid til at bestemme situationen, men på de sidste gennemløb, havde AI allerede været vant til processen og vidste, hvordan den skulle bestemme, hvad der var baggrund eller forgrund.

Imponerende viste AI-chip-video-redigerings-testen en gennemsnitlig peak signal-støj-forhold på 30,49 dB, sammenlignelig med dedikeret service. Derudover registrerede holdet en strukturel lignende indeksmåling på 0,81.

Memristor Chip-Fordel

Der er flere grunde til, hvorfor memristor-chips er en god idé. For det første tilbyder de på-stedets realtidsdataanalyse. Dette betyder, at enheder kan fungere uden internetforbindelser eller behov for at ping en anden enhed for at lave en uddannet vurdering af dens omgivelser.

Sikkerhed

Sikkerhed og privatliv er øget takket være denne layout. Da data ikke behøver at sendes off-site, reducerer det betydeligt risikoen for hak eller menneskeligt fejl.

Bedre Præstation

En anden stor fordel ved denne studie er, at den demonstrerer, hvordan man kan forbedre præstationen fra i dag PC’er. Memristor-drevet AI-system tilbyder parallel beregningskapacitet til brugerne, hvilket forbedrer kapaciteten og ermöglicer systemer at håndtere mere belastning.

Størrelse

Memristor-chips er meget mindre end traditionelle layouts. Som sådan er de ideelle til mikroelektronik, wearables, robotteknologi og andre scenarier, hvor plads er begrænset eller vægt er en stor bekymring, som f.eks. droner eller anden luftfartsteknologi.

Reduceret Energiforbrug

I forhold til energiforbrug bruger memristor-chips hundredvis af gange mindre strøm end traditionel chip-design. Den energi, der bruges til at programmere chippen, er minimal. Dette lave energiforbrug er ideelt til bæredygtighed og sikrer, at AI-revolutionen ikke tager en enorm pris på miljøet, som den industrielle revolution fortsætter med at gøre.

Memristors Anvendelser

Der er mange anvendelser for memristors på markedet. For det første er de ideelle valg for kompakte og energi-effektive kunstig intelligens (AI) edge-computing-systemer. Denne teknologi kunne en dag hjælpe med at gøre alle dine smarte enheder meget smartere, lettere og mere kapable. Her er blot nogle få anvendelser for memristor-chip-systemet.

Video-Behandling

AI-video-behandling er en af de hurtigst-voksende sektorer på markedet. Forskerens chip er ideel til denne opgave af mange grunde. For det første bruger det sin selv-lærende kapacitet til at reducere sin arbejdsbyrde og forbedre sin output. Du kunne se denne type chip bruges til at aktivere avancerede AI-redigerings-systemer som det, der blev testet af holdet.

Allerede nu gør AI-redigerings-systemer visning mere billig. Tre systemer kan ofte oprette duplikat-frames mellem den originale ramme, hvilket ermöglicer massive opløsningsopgraderinger. I fremtiden kunne et system som dette gøre det let at redigere høj-end-video fra din telefon.

Sundhedspleje

Brugen af AI i sundhedspleje er på vej op. Memristor-drevne smarte enheder vil en dag give dyb overvågning af patienter, og styrke professionelle ved at reducere deres arbejdsbyrde og forbedre deres opmærksomhed. AI’en kunne endda være sat op til at sende data til en anden AI-system, der er designet specifikt til sundhedspleje.

Sikkerhed

At bruge et selv-lærende AI-system til at programmere sikkerhedskameraer giver mening. Forestil dig dit smarte kamera, der overvåger din have. Pludselig dukker en person op og laver nogle bevægelser, før de forsvinder af skærmen. Hvis du ikke så skærmen, missede du det. Et memristor-drevet AI-sikkerhedssystem kunne scannere området for mistænkeligt adfærd og underrette dig i realtid.

Autonome køretøjer

Autonome køretøjer er sikre på at integrere denne teknologi i fremtiden for at ermöglice dem at påtage sig nye ansvarsområder og en højere niveau af pålidelighed. Systemet vil ermöglice køretøjer at analysere deres omgivelser og træffe uddannede beslutninger om det bedste scenarie. Hver gang, beslutningen vurderes og bruges til at måle det næste valg, hvilket sikrer bedre præstation over tid.

Memristors Forskere

Denne studie blev ledet af KAIST-ingeniørerne Professor Shinhyun Choi og Professor Young-Gyu Yoon’s Joint Research Team fra School of Electrical Engineering. Hakcheon Jeong og Seung Jae Han bidrog også til at indsamle og behandle dataene.

Memristor-chips-studiet har støtte fra Next-Generation Intelligent Semiconductor Technology Development Project, Excellent New Researcher Project og PIM AI Semiconductor Core Technology Development Project of the National Research Foundation of Korea, og Electronics and Telecommunications Research Institute Research and Development Support Project

Et Selskab, der Kan Drage Fordel af Memristor-Studiet

Der er mange industrier, denne teknologi kunne forbedre. Verden har nået sin grænse i forhold til at mindske modstand. Denne seneste udvikling introducerer en mere pålidelig og skalerbar løsning til markedet. Her er et selskab, der er positioneret til at udnytte denne data for succes.

Micron Technologies Inc.

Micron Technologies Inc. (MU ) indtrådte markedet i 1978. Det blev grundlagt af Ward Parkinson, Joe Parkinson, Dennis Wilson og Doug Pitman som en halvleder-fabrik. Selskabet oplevede hurtigt succes, og i 1980 åbnede det sin første fabrik.

Siden da har Micron Technologies udvidet sine tilbud til andre teknologi-relaterede sektorer. Imponerende har det endda sikret en plads i Fortune 500 i 1994. I dag er det anerkendt som en pionerende kraft efter årtiers chip-innovationer.

Micron Technologies er en førende forsker og udvikler af memristor-chipsets. Selskabet søger at integrere denne teknologi for at drive sin blomstrende datacenter-forretningsmodel. I øjeblikket beskæftiger selskabet 43.000 mennesker. Følgelig ses MU som et stærkt “køb” for handlere, der søger eksponering til AI-sektoren.

Memristors Vil Drive AI-Revolutionen.

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

Lær om andre gennembrud i beregning her.

Studie Reference:

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