إن مقدار الوقت والجهد والمال اللازم لتدريب نماذج الشبكات العصبية المتزايدة التعقيد آخذ في الارتفاع مع قيام الباحثين بدفع حدود التعلم الآلي. يعد التعلم العميق التناظري ، وهو فرع جديد من الذكاء الاصطناعي ، بحساب أسرع مع استهلاك أقل للطاقة.
نُشرت نتائج البحث في مجلة Science. المقاومات القابلة للبرمجة هي اللبنات الأساسية في التعلم العميق التناظري ، تمامًا مثل الترانزستورات هي العناصر الأساسية للمعالجات الرقمية. من خلال تكرار مصفوفات المقاومات القابلة للبرمجة في طبقات معقدة ، يمكن للباحثين إنشاء شبكة من “الخلايا العصبية” و “المشابك” الاصطناعية التماثلية التي تنفذ عمليات حسابية تمامًا مثل الشبكة العصبية الرقمية.
يمكن بعد ذلك تدريب هذه الشبكة لتحقيق مهام الذكاء الاصطناعي المعقدة مثل التعرف على الصور ومعالجة اللغة الطبيعية.
شرع فريق متعدد التخصصات من باحثي معهد ماساتشوستس للتكنولوجيا في دفع حدود السرعة لنوع من المشابك التناظرية التي يصنعها الإنسان والتي طوروها سابقًا. لقد استخدموا مادة عملية غير عضوية في عملية التصنيع تمكن أجهزتهم من العمل أسرع بمليون مرة من الإصدارات السابقة ، وهو أيضًا أسرع بنحو مليون مرة من نقاط الاشتباك العصبي في الدماغ البشري.
علاوة على ذلك ، فإن هذه المادة غير العضوية تجعل المقاوم موفرًا للطاقة بشكل كبير. على عكس المواد المستخدمة في الإصدار السابق من أجهزتهم ، فإن المادة الجديدة متوافقة مع تقنيات تصنيع السيليكون. مكّن هذا التغيير من تصنيع أجهزة على نطاق نانومتر ويمكن أن يمهد الطريق للاندماج في أجهزة الحوسبة التجارية لتطبيقات التعلم العميق.
قال كبير المؤلفين جيسوس أ. ديل ألامو ، أستاذ دونر في قسم الهندسة الكهربائية وعلوم الكمبيوتر بمعهد ماساتشوستس للتكنولوجيا (EECS). “لقد وضع هذا العمل هذه الأجهزة حقًا في نقطة تبدو فيها الآن واعدة حقًا للتطبيقات المستقبلية.”
“آلية عمل الجهاز هي الإدخال الكهروكيميائي لأصغر أيون ، وهو البروتون ، في أكسيد عازل لتعديل توصيله الإلكتروني. ولأننا نعمل بأجهزة رفيعة جدًا ، يمكننا تسريع حركة هذا الأيون باستخدام عنصر قوي المجال الكهربائي ودفع هذه الأجهزة الأيونية إلى نظام تشغيل نانوثانية “، أوضح المؤلف الكبير بيلج يلدز ، أستاذ Breene M. Kerr في أقسام العلوم والهندسة النووية وعلوم وهندسة المواد.
قال كبير مؤلفي الدراسة جو لي ، أستاذ العلوم والهندسة النووية في باتيل إنرجي ألاينس ، وأستاذ العلوم النووية والهندسة النووية ، إن “إمكانات الفعل في الخلايا البيولوجية ترتفع وتنخفض بمقياس زمني يبلغ أجزاء من الثانية لأن فرق الجهد البالغ حوالي 0.1 فولت مقيد باستقرار الماء”. من علوم وهندسة المواد ، “نطبق هنا ما يصل إلى 10 فولت عبر فيلم زجاجي صلب خاص بسماكة نانوية والذي ينقل البروتونات ، دون إتلافه بشكل دائم. وكلما كان المجال أقوى ، زادت سرعة الأجهزة الأيونية.”
تعمل هذه المقاومات القابلة للبرمجة على زيادة السرعة التي يتم بها تدريب الشبكة العصبية بشكل كبير ، مع تقليل التكلفة والطاقة بشكل كبير لأداء هذا التدريب. يمكن أن يساعد هذا العلماء على تطوير نماذج التعلم العميق بسرعة أكبر ، والتي يمكن بعد ذلك تطبيقها في استخدامات مثل السيارات ذاتية القيادة ، أو اكتشاف الاحتيال ، أو تحليل الصور الطبية.
“بمجرد أن يكون لديك معالج تناظري ، فلن تعد تقوم بتدريب شبكات يعمل عليها أي شخص آخر. وستقوم بتدريب شبكات ذات تعقيدات غير مسبوقة لا يستطيع أي شخص آخر تحملها ، وبالتالي يتفوق عليها جميعًا بشكل كبير. وبعبارة أخرى ، هذا هو ليست سيارة أسرع ، هذه مركبة فضائية “، أضاف المؤلف الرئيسي وباحث ما بعد الدكتوراة في معهد ماساتشوستس للتكنولوجيا مراد أونين.
احصل على آخر المستجدات من معرض الإلكترونيات الاستهلاكية على Gadgets 360 ، في مركز CES 2023 الخاص بنا.
