Naukowcy opracowali przełomową nową konstrukcję tranzystora, która naśladuje architekturę ludzkiego mózgu, umożliwiając przechowywanie i przetwarzanie informacji w sposób, który większość systemów sztucznej inteligencji (AI) nie jest w stanie osiągnąć. Ta nowa technologia, znana jako „tranzystor synaptyczny”, integruje moc obliczeniową i pamięć, eliminując potrzebę oddzielnych komponentów, jak w tradycyjnej architekturze komputerowej. Tranzystor synaptyczny nie tylko osiąga znacznie wyższą efektywność energetyczną, ale także umożliwia niezwykle szybki przepływ danych.
Tranzystory synaptyczne oparte na klasycznej elektronice, wykorzystujące podłoża krzemowe, były wcześniej wykorzystywane do budowy. Jednakże, te tranzystory mogły działać tylko w ekstremalnie niskiej temperaturze. Nowa konstrukcja pokonuje to ograniczenie, wykorzystując dwuwarstwową grafenową (BLG) i heksagonalny azotek boru (hBN), ustawione na specyficzny stopień skrętu w celu utworzenia wzoru moiré. Ten wzór tworzy nowe właściwości elektroniczne, które nie istnieją w żadnej warstwie indywidualnie. Przy zbliżonym do idealnego dopasowaniu między hBN a BLG badacze byli w stanie osiągnąć funkcjonalność w temperaturze pokojowej.
Badacze przeszkolili układ, wystawiając go na dane, aby mógł nauczyć się rozpoznawać wzorce. Następnie ukazano mu nowe sekwencje, które były podobne do danych treningowych, ale nieidentyczne, co umożliwiło mu wykonywanie uczenia skojarzeniowego. Jest to zadanie poznawcze, z którym większość systemów uczenia maszynowego radzi sobie trudno. Układ pomyślnie wykrył wzorce i zidentyfikował sekwencje na podstawie powiązań, których się nauczył, nawet w przypadku prezentowania mu niekompletnych wzorców.
„Naszym celem jest rozwijanie technologii AI w kierunku myślenia na wyższym poziomie” – powiedział Mark Hersam, współlider badań i profesor nauk materiałowych, inżynierii i informatyki na Uniwersytecie Northwestern. Dzięki potencjałowi do tworzenia bardzo efektywnych energetycznie układów, ta nowa konstrukcja tranzystora może rewolucjonizować systemy sztucznej inteligencji i uczenia maszynowego w przyszłości, umożliwiając im obsługę bardziej złożonych warunków rzeczywistych i wykonywanie zaawansowanych zadań poznawczych.
Źródło: autor artykułu na podstawie informacji z domain.com
The source of the article is from the blog lokale-komercyjne.pl