Prvo energetski učinkovito probabilističko računalo

Istraživači sa Sveučilišta Tohoku u Japanu i Kalifornijskog sveučilišta u Santa Barbari predstavili su probabilistički prototip računala. Proizveden tehnologijom bliske budućnosti, prototip kombinira komplementarni krug poluvodiča metal-oksida (CMOS) s ograničenim brojem stohastičkih nanomagneta, stvarajući heterogeno probabilističko računalo.

Razvoj računala sposobnih za učinkovito izvršavanje probabilističkih algoritama koji se često koriste u umjetnoj inteligenciji i strojnom učenju izazov je koji su znanstvenici dugo pokušavali prevladati. Pristup naveden u ovom radu predstavlja obećavajuće i izvedivo rješenje za rješavanje ovog problema, a istraživači su potvrdili da njegova superiorna računalna izvedba i energetska učinkovitost nadmašuju trenutnu CMOS tehnologiju.

Nedavna umjetna inteligencija i strojno učenje imali su transformacijski utjecaj na društvo. U takvoj se tehnologiji probabilistički algoritmi koriste za rješavanje problema gdje je neizvjesnost inherentna ili gdje je točno rješenje računski neizvedivo. Ove operacije slijede specifične upute unutar CMOS sklopova, ali ponekad postoje nedosljednosti između načina na koji softver (upute) i hardver (sklopovi) rade zajedno, što dovodi do razlika u rezultatima.

Kako se uloga umjetne inteligencije i strojnog učenja širi, postoji velika potražnja za novom računalnom paradigmom koja pomiruje ovu neusklađenost, postižući veću sofisticiranost uz značajno smanjenje potrošnje energije.

U ovoj studiji, student diplomskog studija Keito Kobayashi i profesor Shunsuke Fukami sa Sveučilišta Tohoku, zajedno s dr. Keremom Camsarijem sa Sveučilišta Kalifornija u Santa Barbari, i njihovim kolegama, razvili su heterogenu verziju probabilističkog računala bliske budućnosti stvorenog za izvršavanje probabilističkih algoritmi i laku proizvodnju.

Istraživači su također pojasnili da će konačni oblik probabilističkog računala dovesti do smanjenja površine od četiri reda veličine i smanjenja potrošnje energije od tri reda veličine u usporedbi s trenutnim CMOS sklopovima kada se izvode probabilistički algoritmi.

U konačnici, prototip Fukamija i njegovih kolega bavi se ograničenjima trenutnih determinističkih CMOS sklopova za umjetnu inteligenciju i strojno učenje. "Predviđamo da će buduće istraživanje i razvoj napredovati, što će dovesti do implementacije inovativnog računalnog hardvera koji se može pohvaliti iznimnim računalnim performansama i mogućnostima uštede energije", dodaje Fukami.

Znanstveni rad objavljen u časopisu  Nature Communications možete pronaći na ovoj poveznici.