受大脑启发的电子系统可使人工智能的能源效率提高1000倍

装有忆阻器的晶圆。

UCL研究人员的一项研究发现了一种提高大脑灵感的计算系统的准确性的方法之后，如今，极其节能的人工智能现在已接近现实。

该系统使用忆阻器创建人工神经网络，其能源效率比传统的基于晶体管的AI硬件至少高出1000倍，但迄今为止更容易出错。

现有的AI极其耗能-训练一种AI模型可以产生284吨二氧化碳，相当于五辆汽车的终身排放量。用忆阻器代替构成所有数字设备的晶体管，这是一种始于2008年的新型电子设备，可以将其减少到二氧化碳的一小部分，这相当于下午开车时产生的排放。

由于忆阻器比现有计算系统具有更高的能源效率，因此它们有可能将大量计算能力打包到手持设备中，从而消除了连接到Internet的需求。

Adnan Mehonic博士持有一个装有忆阻器的晶圆。

这一点特别重要，因为随着数据需求的不断增长以及数据传输容量超过一定点的困难，预计将来对Internet的过度依赖将成为问题。

在发表在《自然通讯》上的这项新研究中，UCL的工程师发现，通过使忆阻器在神经网络的多个子组中协同工作并对计算结果取平均值，可以大大提高准确性，这意味着可以消除每个网络中的缺陷。出来。

忆阻器被描述为“具有记忆的电阻器”，因为他们记得即使在关闭电源后流经它们的电荷量，在十多年前首次制造时也被认为具有革命性，是电子产品的“缺失环节”电阻器，电容器和电感器。自那时以来，它们已经在存储设备中进行了商业生产，但是研究团队表示，它们可以在未来三年内用于开发AI系统。

忆阻器不仅极大地提高了效率，因为它们不仅以1和0的二进制代码运行，而且同时以0和1之间的多个级别运行，这意味着可以将更多信息打包到每个位中。

此外，忆阻器通常被描述为一种神经形态（大脑启发）的计算形式，因为与目前在计算机系统中浪费大量能量的计算机系统相比，像在大脑中一样，处理和记忆是在同一自适应模块中实现的。运动。

在这项研究中，博士生Dovydas Joksas（都属于UCL电子与电气工程系）的Adnan Mehonic博士以及来自英国和美国的同事在几种不同类型的忆阻器上测试了这种新方法，发现它提高了所有方法的准确性。无论材料或特殊的忆阻器技术如何。它还解决了可能影响忆阻器准确性的许多不同问题。

研究人员发现，他们的方法将用于典型AI任务的神经网络的准确性提高到与在常规数字硬件上运行的软件工具相当的水平。

这项研究的负责人Mehonic博士说：“我们希望可以有更多通用的方法来改善设备级别，而不是系统级别的行为，我们相信找到了一种。我们的方法表明，对于忆阻器来说，好几个头比一个好。将神经网络排列成几个较小的网络，而不是一个大型网络，总体上会提高准确性。”

Dovydas Joksas进一步解释说：“我们从计算机科学中借用了一种流行的技术，并将其应用于忆阻器环境中。而且有效！通过初步的模拟，我们发现即使是简单的平均也可以显着提高忆阻神经网络的准确性。”

该研究的合著者托尼·肯扬教授（UCL电子与电气工程）补充说：“我们相信现在是忆阻器的时代，我们已经努力了很多年，在这个过程中，领导忆潮器发挥了更大的作用物联网设备和边缘计算的可持续时代。”