Новые мемристоры размером с атом улучшат производительность нейросетей

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


2018-10-19 00:55

нейропроцессор

Компьютерные нейросети, на основе которых строится искусственный интеллект, устроены по своей сути также, как и их анатомические прародители. Для того, чтобы ИИ учился чему-то новому, нужно укреплять старые и создавать новые связи между элементами нейросети. На текущем уровне развития технологий наращивать потенциал нейросетей становится все сложнее. Но на помощь могут прийти новые мемристоры, разработанные в Американском Институте Физики (AIP).

Мемристор — это элемент, способный менять сопротивление в зависимости от проходящего через него заряда, благодаря чему он может выступать в качестве хранилища данных, что в очень упрощенном виде напоминает работу нейронов и синапсов головного мозга. Да и само название элемента происходит от слияния двух слов: memory и resistor.

Как сообщает редакция издания EurekAlert, группа исследователей из API разработала новый тип «электронного синапса», который состоит из мемристоров на основе нитрида бора толщиной всего в 1 атом. По словам автора работы Ивана Санчеса Эскеда,

«Сейчас имеется большой интерес к использованию новых типов материалов для мемристоров. Мы показали, что наши устройства могут хорошо работать в сфере нейроморфных вычислительных приложений.»

На самом деле решение перевести мемристоры на субнанометровый уровень было продиктовано проблемой энергосбережения. Дело в том, что массив микроскопических мемристоров оказался в 10000 раз более энергоэффективен, чем любые имеющиеся аналоги.

«Оказывается, если вы начнете увеличивать количество параллельно работающих устройств — вы получите значительный прирост в точности вычислений, сохранив при этом тот же уровень энергопотребления.»

Сейчас команда ученых хочет применить новый вид «электронных синапсов» для выполнения различных задач, включая распознавания образов и изображений. Также в дальнейшем не исключается и их применение в сфере глубокого машинного обучения.


Источник: m.vk.com

Комментарии: