Egyetlen tranzisztorral utánozható az agy, új neuromorf chip csökkentheti az AI energiaigényét
Mario Lanza, Sebastian Pazos és Dan Page felfedezte, hogy egy CMOS-tranzisztor egyidejűleg működhet mesterséges neuronként és szinapszisként. Ez az egyszerűbb megoldás csökkentheti az AI energiaigényét, mivel hagyományosan több ezer tranzisztorra volt szükség egy neuron szimulálásához.
A mesterséges intelligencia (AI) működéséhez hatalmas adatfeldolgozásra van szükség, amit többnyire több ezer GPU végez adatcenterekben. Ezek a processzorok akár 1000 wattot is fogyaszthatnak, amihez képest egy okostelefon kevesebb mint 1 wattot használ. (IEEE Spectrum AI)
A neuromorf mérnöki terület célja, hogy az agy működését utánozó elektronikai alkatrészeket hozzanak létre. Korábbi próbálkozások vagy kísérleti és megbízhatatlan eszközöket eredményeztek, vagy rengeteg CMOS-tranzisztort igényeltek egyetlen neuron szimulálásához, ami korlátozta a rendszerek méretezhetőségét. A kutatók, Mario Lanza, Sebastian Pazos és Dan Page azonban véletlenül felfedeztek egy egyszerűbb megoldást.
Kapcsolódó: Tenstorrent QuietBox 128 GB GDDR6
Egyetlen tranzisztor, dupla szerep
A felfedezés lényege, hogy egyetlen, hétköznapi CMOS-tranzisztor képes egyszerre mesterséges neuronként és szinapszisként működni. Ez az eszköz, amely a hagyományos digitális logikában használt MOSFET-eken alapul, képes egy neuron aktiválási küszöbértékének átlépésekor hirtelen áramlöketet generálni, majd önállóan visszaállni nyugalmi állapotba, utánozva ezzel a biológiai neuronok viselkedését. A kutatás eredményeit a Semiconductors AI Magazine közölte.
Kapcsolódó: memóriahiány AI-t lassít
Az AI környezeti lábnyomának csökkentése
Ez az új, egyetlen tranzisztorból álló megoldás drámaian csökkentheti az AI környezeti lábnyomát. Ha a technológia skálázható lesz, jelentősen csökkenthet az AI-hardverek energiafogyasztása, ami nagyban hozzájárulhat a fenntarthatósági célok eléréséhez. A kutatók szerint ez az egyszerű és hatékony neuromorf eszköz forradalmasíthatja a számítástechnikot.
Kapcsolódó: Google TPU AI-t hajt
A pontos skálázhatósági potenciál és a GPU-kkal való versenyképesség még nem bizonyított, de a felfedezés ígéretes új utat nyit a hatékonyabb AI-hardverek fejlesztése felé. A kutatók tették közzé eredményeiket.
Kapcsolódó: Synopsys AI adatkiolvasási kudarca