Komputasi ‘Nanomagnetik’ dapat menyediakan AI berenergi rendah —

Para peneliti telah menunjukkan adalah mungkin untuk melakukan kecerdasan buatan menggunakan nanomagnet kecil yang berinteraksi seperti neuron di otak.

Metode baru, yang dikembangkan oleh tim yang dipimpin oleh peneliti Imperial College London, dapat memangkas biaya energi kecerdasan buatan (AI), yang saat ini berlipat ganda secara global setiap 3,5 bulan.

Dalam sebuah makalah yang diterbitkan hari ini di Nanoteknologi Alam, tim internasional telah menghasilkan bukti pertama bahwa jaringan nanomagnet dapat digunakan untuk melakukan pemrosesan seperti AI. Para peneliti menunjukkan nanomagnet dapat digunakan untuk tugas ‘prediksi deret waktu’, seperti memprediksi dan mengatur kadar insulin pada pasien diabetes.

Kecerdasan buatan yang menggunakan ‘jaringan saraf’ bertujuan untuk meniru cara kerja bagian otak, di mana neuron berbicara satu sama lain untuk memproses dan menyimpan informasi. Banyak matematika yang digunakan untuk memberi daya pada jaringan saraf pada awalnya diciptakan oleh fisikawan untuk menggambarkan cara magnet berinteraksi, tetapi pada saat itu terlalu sulit untuk menggunakan magnet secara langsung karena para peneliti tidak tahu bagaimana memasukkan data dan mengeluarkan informasi.

Sebaliknya, perangkat lunak yang dijalankan pada komputer berbasis silikon tradisional digunakan untuk mensimulasikan interaksi magnet, yang pada gilirannya mensimulasikan otak. Sekarang, tim telah dapat menggunakan magnet itu sendiri untuk memproses dan menyimpan data — memotong perantara simulasi perangkat lunak dan berpotensi menawarkan penghematan energi yang sangat besar.

Keadaan nanomagnetik

Nanomagnet bisa datang dalam berbagai ‘keadaan’, tergantung pada arahnya. Menerapkan medan magnet ke jaringan nanomagnet mengubah keadaan magnet berdasarkan sifat-sifat medan input, tetapi juga pada keadaan magnet di sekitarnya.

Tim, yang dipimpin oleh peneliti Imperial Department of Physics, kemudian dapat merancang teknik untuk menghitung jumlah magnet di setiap keadaan setelah medan dilewati, memberikan ‘jawaban’.

Co-penulis pertama studi Dr Jack Gartside mengatakan: “Kami telah mencoba memecahkan masalah bagaimana memasukkan data, mengajukan pertanyaan, dan mendapatkan jawaban dari komputasi magnetik untuk waktu yang lama. Sekarang kami telah membuktikannya. itu bisa dilakukan, ini membuka jalan untuk menyingkirkan perangkat lunak komputer yang melakukan simulasi intensif energi.”

Rekan penulis pertama Kilian Stenning menambahkan: “Bagaimana magnet berinteraksi memberi kita semua informasi yang kita butuhkan; hukum fisika itu sendiri menjadi komputer.”

Ketua tim Dr Will Branford mengatakan: “Ini telah menjadi tujuan jangka panjang untuk mewujudkan perangkat keras komputer yang terinspirasi oleh algoritma perangkat lunak Sherrington dan Kirkpatrick. Itu tidak mungkin menggunakan spin pada atom dalam magnet konvensional, tetapi dengan meningkatkan spin menjadi array nanopatterned kami telah mampu mencapai kontrol dan pembacaan yang diperlukan.”

Memotong biaya energi

AI sekarang digunakan dalam berbagai konteks, mulai dari pengenalan suara hingga mobil self-driving. Tetapi melatih AI untuk melakukan tugas-tugas yang relatif sederhana sekalipun dapat menghabiskan banyak energi. Misalnya, melatih AI untuk memecahkan kubus Rubik membutuhkan energi yang setara dengan dua pembangkit listrik tenaga nuklir yang berjalan selama satu jam.

Sebagian besar energi yang digunakan untuk mencapai hal ini dalam komputer chip silikon konvensional terbuang sia-sia dalam pengangkutan elektron yang tidak efisien selama pemrosesan dan penyimpanan memori. Namun nanomagnet tidak bergantung pada transportasi fisik partikel seperti elektron, melainkan memproses dan mentransfer informasi dalam bentuk gelombang ‘magnon’, di mana setiap magnet mempengaruhi keadaan magnet tetangga.

Ini berarti lebih sedikit energi yang hilang, dan bahwa pemrosesan dan penyimpanan informasi dapat dilakukan bersama-sama, daripada menjadi proses yang terpisah seperti pada komputer konvensional. Inovasi ini dapat membuat komputasi nanomagnetik hingga 100.000 kali lebih efisien dibandingkan komputasi konvensional.

AI di tepi

Tim selanjutnya akan mengajarkan sistem menggunakan data dunia nyata, seperti sinyal EKG, dan berharap untuk membuatnya menjadi perangkat komputasi nyata. Akhirnya, sistem magnetik dapat diintegrasikan ke dalam komputer konvensional untuk meningkatkan efisiensi energi untuk tugas pemrosesan yang intens.

Efisiensi energi mereka juga berarti mereka layak untuk ditenagai oleh energi terbarukan, dan digunakan untuk melakukan ‘AI di tepi’ — memproses data di mana data tersebut dikumpulkan, seperti stasiun cuaca di Antartika, daripada mengirimkannya kembali ke data besar pusat.

Ini juga berarti mereka dapat digunakan pada perangkat yang dapat dipakai untuk memproses data biometrik pada tubuh, seperti memprediksi dan mengatur kadar insulin untuk penderita diabetes atau mendeteksi detak jantung abnormal.

Komputasi Seluler