Læringsmagneter kan føre til energieffektiv databehandling

Strømforbruget i datacentre rundt om i verden stiger. Dette skaber en stor efterspørgsel efter nye teknologier, der kan føre til energieffektive computere. I en ny undersøgelse, fysikere ved Radboud Universitet har demonstreret, at dette også kunne opnås ved at bruge chips, hvis drift er inspireret af den menneskelige hjernes. Undersøgelsen blev offentliggjort i det videnskabelige tidsskrift Anvendt fysik bogstaver den 16. maj.

Sammenlignet med vores nuværende computere, den menneskelige hjerne bruger en brøkdel af energien til at behandle den samme mængde data. Dette er muligt på grund af det faktum, at vores hjerner kan behandle data parallelt og også gemme dem ved at gøre forbindelser stærkere eller svagere.

"Vi ville se, om vi kunne implementere denne egenskab af plasticitet i et kunstigt system og kombinere det med den hurtige og energieffektive teknik til at kontrollere magnetisme ved hjælp af lys, som allerede har været anvendt i nogen tid, siger Johan Mentink og Theo Rasing, begge fysikere ved Radboud Universitet. "Dette skulle i sidste ende føre til energieffektive og smarte computere."

Analog i stedet for digital

Muligheden for hurtig og energieffektiv datalagring ved hjælp af magnetisme har været kendt i nogen tid. Ved at affyre korte lysimpulser mod magnetisk materiale, de magnetiske centrifugeringer i materialet vendes, som ændrer en 0 til en 1, og omvendt. "Men for at få disse magneter til at opføre sig som synapser i hjernen, som ville gøre det muligt ikke kun at gemme data, men også at behandle dem, magneterne skal have lov til at skifte kontinuerligt, ”Forklarer Johan Mentink.

"Vi var i stand til at give magneter denne egenskab ved at sikre, at materialets magnetiske tilstand gradvist ændres under påvirkning af lys, i stedet for at lave en fuld omgang på én gang. Dette kan sammenlignes med et analogt ur, der gradvist bevæger sig, i modsætning til et digitalt ur. "

Læringsadfærd for magneter

Denne nye plastik ejendom banede vejen for forskere til at bygge et lille kunstigt neuralt netværk, hvor to separate områder af magneten - to kunstige synapser - blev forbundet. Rasing:"Vi har demonstreret, at det er muligt at bygge et kunstigt neuralt netværk ved hjælp af magneter, som ikke kun gemmer data, men også virkelig er i stand til at klassificere mønstre og vise læringsadfærd. "

Forskerne vil nu undersøge, om de kan bygge større neurale netværk efter denne tilgang. "Lige nu, det neurale netværk lærer af feedback, som det modtager fra en ekstern computer. På længere sigt, vi håber at finde et fysisk princip for at implementere feedbacken i selve materialet. Dette ville have en betydelig indvirkning på den måde, hvorpå kunstige neurale netværk kan anvendes i vores samfund, "Siger Mentink.