Videnskab
 science >> Videnskab >  >> Fysik

Verdens første demonstration af spintronics-baseret kunstig intelligens

Fig. 1. (a) Optisk fotografi af en fremstillet spintronisk enhed, der tjener som kunstig synapse i den foreliggende demonstration. Målekredsløb for modstandsomskiftningen er også vist. (b) Målt forhold mellem enhedens modstand og påført strøm, viser analog-lignende modstandsvariation. (c) Fotografi af spintronic enhedsarray monteret på en keramisk pakke, som bruges til det udviklede kunstige neurale netværk. Kredit:Tohoku University

Forskere ved Tohoku University har, for første gang, med succes demonstreret den grundlæggende drift af spintronics-baseret kunstig intelligens.

Kunstig intelligens, som efterligner hjernens informationsbehandlingsfunktion, der hurtigt kan udføre komplekse og komplicerede opgaver såsom billedgenkendelse og vejrforudsigelse, har tiltrukket sig voksende opmærksomhed og er allerede delvist blevet brugt praktisk.

Den aktuelt anvendte kunstige intelligens fungerer på den konventionelle ramme for halvlederbaseret integreret kredsløbsteknologi. Imidlertid, dette mangler den kompakte og laveffektfunktion i den menneskelige hjerne. For at overvinde denne udfordring, implementeringen af ​​en enkelt solid-state-enhed, der spiller rollen som en synaps, er meget lovende.

Tohoku -universitetets forskergruppe for professor Hideo Ohno, Professor Shigeo Sato, Professor Yoshihiko Horio, Lektor Shunsuke Fukami og adjunkt Hisanao Akima udviklede et kunstigt neuralt netværk, hvor deres nyligt udviklede spintroniske enheder, bestående af magnetisk materiale i mikroskala, er ansat (fig. 1). Den brugte spintronic -enhed er i stand til at huske voldgiftsværdier mellem 0 og 1 på en analog måde i modsætning til de konventionelle magnetiske enheder, og dermed udføre læringsfunktionen, som betjenes af synapser i hjernen.

Fig. 2. Blokdiagram over udviklet kunstigt neuralt netværk, bestående af pc, FPGA, og række af spintronics (spin-orbit drejningsmoment; SOT) enheder. Kredit:Tohoku University

Ved hjælp af det udviklede netværk (fig. 2), forskerne undersøgte en associativ hukommelsesoperation, som ikke let udføres af konventionelle computere. Gennem flere forsøg, de bekræftede, at de spintroniske anordninger har en indlæringsevne, som det udviklede kunstige neurale netværk med succes kan associere huskede mønstre med (fig. 3) fra deres input støjende versioner ligesom den menneskelige hjerne kan.

Bevis-of-concept-demonstrationen i denne forskning forventes at åbne nye horisonter inden for kunstig intelligens-teknologi - en som er af en kompakt størrelse, og som samtidig opnår hurtige processer og ultralavt strømforbrug. Disse funktioner bør gøre det muligt at bruge den kunstige intelligens i en bred vifte af samfundsmæssige applikationer såsom billed-/stemmegenkendelse, bærbare terminaler, sensornetværk og plejerobotter.

Fig. 3. Tre slags mønstre, "JEG", "C", og T", udtrykt i 3x3 blokke brugt til det associative hukommelsesoperationseksperiment. Kredit:Tohoku University