Đột phá trong công nghệ chip AI: memristors mô phỏng cơ chế thời gian của tế bào thần kinh

Trong não, việc “giữ thời gian” được thực hiện bởi các tế bào thần kinh sau khi nhận tín hiệu; hiện nay memristor – các phần cứng tương tự tế bào thần kinh – cũng có thể làm điều đó. Các mạng nơron nhân tạo có thể sớm xử lý thông tin phụ thuộc thời gian, chẳng hạn như dữ liệu âm thanh và video, hiệu quả hơn.

Memristor, các thành phần điện lưu trữ thông tin trong điện trở của chúng, có thể giảm nhu cầu năng lượng của AI khoảng 90 lần so với các đơn vị xử lý đồ họa (GPU) hiện nay. Đã có dự báo rằng AI sẽ chiếm khoảng nửa phần trăm tổng tiêu thụ điện năng của thế giới vào năm 2027, và con số đó có thể tăng lên khi ngày càng nhiều công ty bán và sử dụng công cụ AI.

“Hiện tại, có rất nhiều sự quan tâm đến AI, nhưng để xử lý dữ liệu lớn và phức tạp hơn, cách tiếp cận hiện nay là tăng kích thước mạng lưới. Điều đó không hiệu quả lắm,” ông Wei Lu, Giáo sư Kỹ thuật James R. Mellor tại Đại học Michigan và đồng tác giả nghiên cứu cùng với John Heron, phó giáo sư khoa học và kỹ thuật vật liệu tại Đại học Michigan cho biết.

Vấn đề là các GPU hoạt động rất khác so với các mạng nơron nhân tạo chạy các thuật toán AI – toàn bộ mạng và tất cả các tương tác của nó phải được nạp tuần tự từ bộ nhớ ngoài, tiêu tốn cả thời gian và năng lượng. Ngược lại, memristor cung cấp tiết kiệm năng lượng vì chúng mô phỏng các khía cạnh quan trọng của cách mà cả mạng nơron nhân tạo và sinh học hoạt động mà không cần bộ nhớ ngoài. Ở một mức độ nào đó, mạng memristor có thể hiện thực hóa mạng nơron nhân tạo.

Tiến sĩ Sieun Chae, chuyên ngành khoa học và kỹ thuật vật liệu của Đại học Michigan, cho biết: “Chúng tôi dự đoán rằng hệ thống vật liệu mới của chúng tôi có thể cải thiện hiệu suất năng lượng của chip AI lên gấp sáu lần so với vật liệu tiên tiến nhất hiện nay mà không thay đổi các hằng số thời gian”.

Trong mạng nơron sinh học, việc “giữ thời gian” được thực hiện thông qua sự ngưng nghỉ. Mỗi tế bào thần kinh nhận tín hiệu điện và truyền chúng đi, nhưng không nhất thiết rằng tín hiệu sẽ được truyền tiếp. Một ngưỡng của các tín hiệu nhận vào phải được đạt đến trước khi tế bào thần kinh sẽ gửi tín hiệu của chính nó, và nó phải được đáp ứng trong một khoảng thời gian nhất định. Nếu quá nhiều thời gian trôi qua, tế bào thần kinh sẽ ngưng nghỉ khi năng lượng điện rò rỉ ra ngoài. Việc có các tế bào thần kinh với các thời gian ngưng nghỉ khác nhau trong mạng nơron giúp chúng ta hiểu được các chuỗi sự kiện.

Memristor hoạt động khác biệt một chút. Thay vì hoàn toàn có hoặc không có tín hiệu, điều thay đổi là lượng tín hiệu điện truyền qua. Việc tiếp xúc với tín hiệu giảm điện trở của memristor, cho phép nhiều tín hiệu tiếp theo truyền qua hơn. Trong memristor, sự ngưng nghỉ có nghĩa là điện trở tăng trở lại theo thời gian.

Nhóm nghiên cứu đã chế tạo các vật liệu trên siêu dẫn YBCO, làm từ yttrium, barium, carbon và oxy. Nó không có điện trở ở nhiệt độ dưới -292 độ F, nhưng họ muốn nó vì cấu trúc tinh thể của nó và gồm các oxit magiê, cobalt, nickel, đồng và kẽm trong vật liệu memristor.

Heron gọi loại oxit này là oxit ổn định entropy, càng thêm nhiều nguyên tố, nó càng trở nên ổn định hơn. Bằng cách thay đổi tỷ lệ của các oxit này, nhóm nghiên cứu đã đạt được các hằng số thời gian từ 159 đến 278 nanosecond, hoặc phần nghìn tỷ của giây. Mạng memristor đơn giản mà họ xây dựng đã học cách nhận dạng âm thanh của các số từ 0 đến 9. Sau khi được huấn luyện, nó có thể nhận diện mỗi số trước khi hoàn thành âm thanh đầu vào.

Các memristor này được chế tạo thông qua một quy trình tiêu tốn nhiều năng lượng vì nhóm cần các tinh thể hoàn hảo để đo chính xác các thuộc tính của chúng, nhưng họ dự đoán rằng một quy trình đơn giản hơn sẽ phù hợp cho sản xuất hàng loạt.

“Cho đến nay, đó là một tầm nhìn, nhưng tôi nghĩ rằng có những con đường để làm cho những vật liệu này trở nên phổ biến và giá cả phải chăng”, Heron nói. “Những vật liệu này có sẵn trong tự nhiên, không độc hại”.

Nghiên cứu được tài trợ bởi Quỹ Khoa học Quốc gia Hoa Kỳ. Nó được thực hiện cùng với các nhà nghiên cứu tại Đại học Oklahoma, Đại học Cornell và Đại học bang Pennsylvania. Thiết bị được chế tạo tại Cơ sở Chế tạo Nano Lurie và được nghiên cứu tại Trung tâm Đặc trưng Vật liệu Michigan.

Theo: vista.gov.vn