Исследователи из Университета Тохоку и Калифорнийского университета в Санта-Барбаре продемонстрировали доказательство концепции энергоэффективного компьютера, совместимого с современным искусственным интеллектом. Он использует стохастическое поведение наноразмерных устройств спинтроники и особенно подходит для задач вероятностных вычислений, таких как логический вывод и выборка.
Команда представила результаты на Международной конференции IEEE по электронным устройствам (IEDM 2023) 12 декабря 2023 года.
С замедлением действия закона Мура растет спрос на специализированное оборудование. Вероятностный компьютер с естественно стохастическим строительным блоком (вероятностными битами или p-битами) является показательным примером благодаря его потенциальной способности эффективно решать различные сложные вычислительные задачи в области машинного обучения (ML) и искусственного интеллекта (ИИ).
Точно так же, как квантовые компьютеры естественным образом подходят для решения квантовых задач, вероятностные компьютеры при комнатной температуре подходят для вероятностных алгоритмов, которые широко используются для обучения машин и решения сложных вычислительных задач при оптимизации, выборке и т. д.
Недавно исследователи из Университета Тохоку и Калифорнийского университета в Санта-Барбаре показали, что надежные и полностью асинхронные (без тактовой частоты) вероятностные компьютеры могут быть эффективно реализованы в масштабе, используя вероятностное спинтронное устройство под названием stochastic magnetic tunnel junction (sMTJ), сопряженное с мощными полевыми программируемыми вентильными матрицами (FPGA).
Однако до сих пор вероятностные компьютеры на основе sMTJ были способны реализовать только рекуррентную нейронную сеть, и ожидалась разработка схемы реализации нейронных сетей с прямой связью.
«Поскольку нейронные сети прямого распространения лежат в основе большинства современных приложений искусственного интеллекта, развитие вероятностных компьютеров в этом направлении должно стать решающим шагом на пути к выходу на рынок и расширению вычислительных возможностей искусственного интеллекта», — сказал профессор Керем Камсари, главный исследователь Калифорнийского университета. Санта Барбара.
В ходе недавнего прорыва, который будет представлен на IEDM 2023, исследователи добились двух важных современных достижений. Во-первых, используя более ранние работы команды Университета Тохоку по стохастическим магнитным туннельным переходам на уровне устройства, они продемонстрировали самые быстрые p-биты на уровне схемы, используя плоскостные sMTJ, колеблющиеся каждые ~микросекунды или около того, примерно на три порядка быстрее, чем в предыдущих отчетах.
Во-вторых, обеспечивая порядок обновления на уровне вычислительного оборудования и используя послойный параллелизм, они продемонстрировали базовую работу байесовской сети как пример стохастических нейронных сетей с прямой связью.
«Текущие демонстрации носят небольшой масштаб, однако эти проекты можно масштабировать за счет использования CMOS-совместимой технологии Magnetic RAM (MRAM), что обеспечивает значительный прогресс в приложениях машинного обучения, а также открывает потенциал для эффективной аппаратной реализации глубоких / сверточных вычислений нейронных сетей», — сказал профессор Сюнсуке Фуками, главный исследователь Университета Тохоку.
