محاسبات نانومغناطیسی می تواند هوش مصنوعی کم انرژی ایجاد کند - دوست بلاگ

به گزارش گروه دانشگاه خبرنگاران، محققان نشان داده اند که می توان هوش مصنوعی را با استفاده از نانومغناطیس های کوچکی که مانند نورون های مغز با هم برهم کنش دارند، ایجاد کرد.

این روش تازه که به وسیله تیمی به رهبری محققان کالج امپریال لندن ارائه شده است، می تواند هزینه انرژی مورد استفاده در هوش مصنوعی (AI) را که در حال حاضر هر 3.5 ماه یکبار در سطح دنیا دو برابر می گردد، کاهش دهد.

در مقاله ای که در Nature Nanotechnology منتشر شد، این تیم بین المللی شواهدی را ارائه کرد که نشان می دهد می توان از شبکه های نانومغناطیس ها برای انجام پردازش های مشابه هوش مصنوعی استفاده کرد. محققان نشان دادند که از نانومغناطیس ها می توان برای کار های پیش بینی سری زمانی مانند پیش بینی و تنظیم سطح انسولین در بیماران دیابتی استفاده کرد.

هدف هوش مصنوعی که از شبکه های عصبی استفاده می نماید، شبیه سازی نحوه عملکرد بخش هایی از مغز است، جایی که نورون ها برای پردازش و حفظ اطلاعات با یکدیگر صحبت می نمایند. بسیاری از روابط و معادلات مورد استفاده برای تامین انرژی شبکه های عصبی در ابتدا به وسیله فیزیکدانان برای توصیف نحوه برهمکنش مغناطیس ها ابداع شد، اما در آن موقع استفاده مستقیم از مغناطیس کار بسیار سخت بود، زیرا محققان نمی دانستند چگونه داده ها را وارد نموده و اطلاعات را از مغناطیس ها خارج نمایند.

در عوض، نرم افزاری که بر روی کامپیوتر های مبتنی بر سیلیکون رایج اجرا می گردد، برای شبیه سازی فعل و انفعالات مغناطیس و در نتیجه شبیه سازی مغز مورد استفاده نهاده شد. اکنون، این تیم توانسته است از مغناطیس برای پردازش و ذخیره داده ها استفاده کند، واسطه شبیه سازی نرم افزاری را حذف نموده و به طور بالقوه صرفه جویی زیادی در انرژی ایجاد نموده است.

نانومغناطیس ها بسته به جهتی که دارند، می توانند در حالت های مختلفی باشند. اعمال میدان مغناطیسی بر روی شبکه ای از نانومغناطیس ها، شرایط آن ها را بر اساس ویژگی میدان ورودی و بعلاوه بر روی حالت مغناطیس های اطراف تغییر می دهد. این تیم توانست روشی برای شمارش تعداد مغناطیس ها در هر حالت پس از عبور میدان طراحی نمایند و پاسخ را ارائه نمایند.

جک گارتساید، نویسنده اول این مقاله، گفت: ما برای مدت طولانی در کوشش بودیم تا مشکل نحوه وارد کردن داده، پرسیدن یک سوال و دریافت پاسخ از محاسبات مغناطیسی را رفع کنیم. اکنون به ما ثابت شده است که می توان آن را انجام داد، این پروژه راه را برای خلاص شدن از شر نرم افزار کامپیوتری که شبیه سازی انرژی بر را انجام می دهد، هموار می نماید.

کیلیان استنینگ اضافه نمود: درک چگونگی تعامل مغناطیس ها همه اطلاعاتی را که ما احتیاج داریم به ما می دهد؛ قوانین فیزیک خود به کامپیوتر تبدیل می شوند.

ویل برانفورد رهبر این تیم تحقیقاتی گفت: این که سخت افزار کامپیوتر را با الهام از الگوریتم های نرم افزاری شرینگتون و کرک پاتریک بسازیم یک هدف بلندمدت بوده است. استفاده از اسپین های روی اتم ها در مغناطیس های معمولی امکان پذیر نبود، اما با افزایش مقیاس اسپین ها در آرایه های نانوالگو ما توانسته ایم به کنترل و بازخوانی لازم دست یابیم.

هوش مصنوعی اکنون در زمینه های مختلفی از تشخیص صدا گرفته تا خودرو های خودران استفاده می گردد. اما آموزش هوش مصنوعی برای انجام کار های نسبتاً ساده نیز می تواند انرژی زیادی را به خود اختصاص دهد. به عنوان مثال، آموزش هوش مصنوعی برای حل یک مکعب روبیک، انرژی بسیار زیادی را به مدت یک ساعت مصرف می نماید.

بیشتر انرژی مورد استفاده برای دستیابی به این امر در رایانه های معمولی با تراشه سیلیکونی در انتقال ناکارآمد الکترون ها در طول پردازش و ذخیره سازی حافظه هدر می رود. با این حال، نانومغناطیس ها به انتقال فیزیکی ذرات مانند الکترون ها متکی نیستند، بلکه اطلاعات را در قالب یک موج مگنون پردازش و انتقال می دهند، جایی که هر مغناطیس بر شرایط مغناطیس مجاور تأثیر می گذارد. این بدان معناست که انرژی بسیار کمتری از دست می رود و پردازش و ذخیره سازی اطلاعات می تواند با هم انجام گردد، نه اینکه مانند رایانه های معمولی فرآیند های جداگانه باشند. این نوآوری می تواند محاسبات نانومغناطیسی را تا 100000 برابر کارآمدتر از محاسبات معمولی کند.