Эта статья была проверена в соответствии с редакционным процессом и политикой Science X. Редакторы выделили следующие атрибуты, гарантируя при этом достоверность контента:
проверенный фактами
рецензируемое издание
надежный источник
корректура
Хорошо! Схема, иллюстрирующая разницу между нынешним детерминированным КМОП-компьютером (а), гетерогенной версией вероятностного компьютера ближайшего будущего и (в) окончательной формой вероятностного компьютера, полностью основанного на технологии спинтроники. В таблице справа представлено сравнение между ними по площади чипа, энергопотреблению и технологичности. Фото: Сюнсуке Фуками и Керем Камсари.
× закрыть
Схема, иллюстрирующая разницу между нынешним детерминированным КМОП-компьютером (а), гетерогенной версией вероятностного компьютера ближайшего будущего и (в) окончательной формой вероятностного компьютера, полностью основанного на технологии спинтроники. В таблице справа представлено сравнение между ними по площади чипа, энергопотреблению и технологичности. Фото: Сюнсуке Фуками и Керем Камсари.
Исследователи из Университета Тохоку и Калифорнийского университета в Санта-Барбаре представили вероятностный прототип компьютера. Прототип, изготавливаемый с использованием технологий ближайшего будущего, сочетает в себе комплементарную металлооксидно-полупроводниковую схему (КМОП) с ограниченным количеством стохастических наномагнитов, создавая гетерогенный вероятностный компьютер.
Разработка компьютеров, способных эффективно выполнять вероятностные алгоритмы, часто используемые в искусственном интеллекте и машинном обучении, — это задача, которую ученые уже давно пытаются решить. Подход, изложенный в этой работе, представляет собой многообещающее и реальное решение этой проблемы, причем исследователи подтверждают, что его превосходная вычислительная производительность и энергоэффективность превосходят современную КМОП-технологию.
Подробности этого прорыва были опубликованы в журнале Nature Communications 27 марта 2024 года.
Недавние разработки искусственного интеллекта и машинного обучения оказали преобразующее влияние на общество. В такой технологии вероятностные алгоритмы используются для решения задач, которым присуща неопределенность или где точное решение невозможно с вычислительной точки зрения. Эти операции следуют конкретным инструкциям в схемах КМОП, но иногда существуют несоответствия между тем, как программное обеспечение (инструкции) и аппаратное обеспечение (схемы) работают вместе, что приводит к расхождениям в результатах.
По мере расширения роли искусственного интеллекта и машинного обучения существует острая потребность в новой вычислительной парадигме, которая устранит это несоответствие, достигая большей сложности и одновременно значительно снижая потребление энергии.
Фотография разработанного прототипа. Система спроектирована таким образом, что вероятностный бит спинтроники, содержащий стохастический магнитный туннельный переход (MTJ), [left] генерирует физическое случайное число, которое управляет генераторами псевдослучайных чисел, запрограммированными в схеме КМОП, или программируемой пользователем вентильной матрицей (FPGA). [right]. Фото: Сюнсуке Фуками и Керем Камсари, адаптировано из Nature Communications (2024). DOI: 10.1038/s41467-024-46645-6
× закрыть
Фотография разработанного прототипа. Система спроектирована таким образом, что вероятностный бит спинтроники, содержащий стохастический магнитный туннельный переход (MTJ), [left] генерирует физическое случайное число, которое управляет генераторами псевдослучайных чисел, запрограммированными в схеме КМОП, или программируемой пользователем вентильной матрицей (FPGA). [right]. Фото: Сюнсуке Фуками и Керем Камсари, адаптировано из Nature Communications (2024). DOI: 10.1038/s41467-024-46645-6
В этом исследовании аспирант Кейто Кобаяши и профессор Сюнсуке Фуками из Университета Тохоку вместе с доктором Керемом Камсари из Калифорнийского университета в Санта-Барбаре и их коллегами разработали гетерогенную версию вероятностного компьютера ближайшего будущего, предназначенную для выполнения вероятностных вычислений. алгоритмы и легкое производство.
«Наш построенный прототип продемонстрировал, что отличная вычислительная производительность может быть достигнута за счет управления генераторами псевдослучайных чисел в детерминированной КМОП-схеме с физическими случайными числами, генерируемыми ограниченным количеством стохастических наномагнитов», — говорит Фуками. «В частности, ограниченное количество вероятностных битов (p-битов) со стохастическим магнитным туннельным переходом (s-MTJ) должно быть изготовлено с помощью технологии интеграции ближайшего будущего».
Исследователи также пояснили, что окончательная форма вероятностного компьютера спинтроники, в основном состоящая из s-MTJ, обеспечит сокращение площади на четыре порядка и снижение энергопотребления на три порядка по сравнению с текущие схемы КМОП при выполнении вероятностных алгоритмов.
В конечном счете, прототип Фуками и его коллег устраняет ограничения существующих детерминированных КМОП-схем для искусственного интеллекта и машинного обучения. «Мы ожидаем, что будущие исследования и разработки будут развиваться, что приведет к внедрению в обществе инновационного компьютерного оборудования, которое может похвастаться исключительной вычислительной производительностью и возможностями энергосбережения», — добавляет Фуками.
Больше информации:
Нихал Санджай Сингх и др., КМОП плюс стохастические наномагниты, позволяющие использовать гетерогенные компьютеры для вероятностного вывода и обучения, Nature Communications (2024). DOI: 10.1038/s41467-024-46645-6
Информация журнала:
Природные коммуникации
2024-04-17 13:25:03
1713361365
#Исследователи #разработали #энергоэффективный #вероятностный #компьютер #объединив #КМОП #со #стохастическим #наномагнитом
