הגברת יעילות ב-600%: מדענים פיתחו שבב בינה מלאכותית חדשני עם יעילות אנרגטית מרשימה

השבבים כוללים רכיבים הנקראים ממיריסטורים – קיצור ל"ממירים זיכרון". רוב הממיריסטורים עשויים מתרכובת פשוטה המורכבת משני יסודות, אך השבבים במחקר זה כוללים תרכובת חדשה שנקראת ESOs – תחמוצות מייצבות אנטרופיה. מעל חצי תריסר יסודות מרכיבים את ה-ESOs, מה שמאפשר לכוונן את יכולות הזיכרון שלהם בדיוק רב

שבב בינה מלאכותית חדש יכול להגדיל את היעילות האנרגטית פי שישה, תוך יישור קו בין עיבוד נתונים ואחסונם בצורה הדומה לרשתות עצביות ביולוגיות, ולהפחית משמעותית את צריכת החשמל החשמלית של בינה מלאכותית.

חוקרת מהמכללה להנדסה באוניברסיטת אורגון סטייט תרמה לפיתוח שבב בינה מלאכותית חדש המציג שיפור ביעילות האנרגטית פי שישה בהשוואה לתקן התעשייתי הנוכחי.

עם הגידול בשימוש בבינה מלאכותית, כך גם עולה כמות האנרגיה שהיא דורשת. תחזיות מראות שבינה מלאכותית תצרוך חצי אחוז מהאנרגיה הגלובלית עד שנת 2027 – כמות אנרגיה שנתית שוות ערך לצריכת האנרגיה של הולנד כולה.

סיאון צ’אה, פרופסורית משנה להנדסת חשמל ומדעי המחשב, עובדת על הפחתת טביעת הרגל החשמלית של הטכנולוגיה. היא חוקרת שבבים המבוססים על פלטפורמת חומר חדשה, המאפשרים הן עיבוד והן אחסון נתונים, בדומה לאופן שבו רשתות עצביות ביולוגיות מטפלות באחסון ועיבוד מידע.

ממצאי המחקר שלה פורסמו לאחרונה בכתב העת Nature Electronics.

עיבוד יעיל של בינה מלאכותית

"עם הופעת הבינה המלאכותית, מחשבים נדרשים לעבד ולאחסן כמויות גדולות של נתונים במהירות," אמרה צ’אה. "שבבי בינה מלאכותית נועדו לבצע משימות בזיכרון, מה שממזער את העברת הנתונים בין הזיכרון למעבד; כך הם יכולים לבצע משימות בינה מלאכותית בצורה יעילה יותר מבחינה אנרגטית."

השבבים כוללים רכיבים הנקראים ממיריסטורים . רוב הממיריסטורים עשויים מתרכובת פשוטה המורכבת משני יסודות, אך השבבים במחקר זה כוללים תרכובת חדשה שנקראת ESOs – תחמוצות מייצבות אנטרופיה. מעל חצי תריסר יסודות מרכיבים את ה-ESOs, מה שמאפשר לכוונן את יכולות הזיכרון שלהם בדיוק רב.

"ממיריסטורים דומים לרשתות עצביות ביולוגיות בכך שאף אחד מהם אינו כולל מקור זיכרון חיצוני – כך שאין אנרגיה שמתבזבזת בהעברת נתונים פנימה והחוצה. על-ידי אופטימיזציה של הרכב ה-ESO המתאים ביותר למשימות בינה מלאכותית ספציפיות, שבבים מבוססי ESO יכולים לבצע משימות בפחות אנרגיה באופן משמעותי מאשר יחידת העיבוד המרכזית של המחשב", אמרה צ’אה.

יתרון נוסף הוא שרשתות עצביות מלאכותיות יוכלו לעבד מידע שתלוי בזמן, כמו נתוני שמע ווידאו, הודות לכוונון הרכב ה-ESOs כך שהמכשיר יוכל לעבוד על משכי זמן מגוונים.