Байєсівська машина на мемристорах

За останні кілька десятиліть продуктивність моделей машинного навчання у різних реальних завданнях значно підвищилась. Однак навчання цих моделей, а також їх реалізація, як і раніше, вимагає величезних витрат енергії та обчислювальної потужності.

Тому інженери у всьому світі намагаються розробити альтернативні апаратні рішення, які ефективніше працюватимуть з моделями штучного інтелекту. Це може сприяти їх широкому використанню та підвищенню їх стійкості. Деякі з цих рішень базуються на мемристорах, пристроях пам'яті, які можуть зберігати інформацію без споживання енергії.

Мемристори – це електронні компоненти на основі наноустроїв, які обмежують або регулюють потік електричного струму в ланцюзі, а також заздалегідь реєструють, скільки енергії пройшло в ньому. Оскільки вони виконують як обчислення, так і зберігання інформації, ці пристрої можуть краще виконувати завдання обробки інформації подібно до людського мозку.

Співтовариство вчених з університетів Гренобля, Парижа та Сорбони розробили прототип байєсівської машини (тобто пристрій на основі теореми Байєса) з використанням мемристорів. Запропонована ними система, представлена у статті, опублікованій у Nature Electronics, виявилася більш енергоефективною, ніж апаратні рішення, що наразі використовуються.

"Штучний інтелект досягає великих успіхів, але стикається з проблемою: він споживає значну кількість енергії", – говорить Демієн Керліоз, один з науковців, які проводили дослідження. "Тепер ми знаємо, що це споживання відбувається через поділ у комп'ютерах функцій обчислень та пам'яті. Оскільки штучний інтелект використовує багато даних, йому потрібно багато пам'яті, доступ до якої потребує великих витрат енергії. Інша річ – людський мозок. Він набагато енергоефективніший, тому що функції пам'яті розташовані якомога ближче до обчислювальних функцій, і ми хотіли відтворити цю стратегію".

"До недавнього часу мемристори були новою технологією, і ми не могли створювати за їх допомогою повні системи", – пояснив Керліоз. "Тепер наша команда побудувала байєсівську машину, невеликий штучний інтелект із мемристорами. Прототип включає 2048 мемристорів на основі оксиду гафнію та 30 080 кремнієвих транзисторів (MOSFET)".

Архітектура машини проєктується шляхом написання закону Байєса таким чином, щоб його реалізація була природною відповідно до принципів розподіленої пам'яті та стохастичних обчислень, дозволяючи схемі функціонувати виключно з використанням локальної пам'яті та мінімальним переміщенням даних. Дослідники використовують гібридний комплементарний процес метал-оксид-напівпровідник/мемристор і доводять, що збільшена конструкція машини більш енергоефективна в практичному завданні розпізнавання жестів, ніж стандартна реалізація байєсовського виводу на мікроконтролері. Вона може розпізнавати певні людські жести, використовуючи в тисячі разів менше енергії, ніж традиційне апаратне рішення на основі мікроконтролера. Також ця байєсовська машина забезпечує миттєве вмикання/вимикання та стійка до поодиноких збоїв.

"Більшість досліджень у галузі машинного навчання на основі мемристорів спрямована на впровадження глибинного навчання", – говорить Керліоз. "Це, звісно, надзвичайно важлива мета, оскільки глибинне навчання сьогодні є дуже успішним. Однак воно має деякі обмеження: його результати незрозумілі, і воно не працює, коли є мало даних. Тут ми вибрали для реалізації байєсівських міркувань альтернативний підхід до штучного інтелекту, який не дуже добре працює у програмах з великими даними, де так успішно працює глибинне навчання, але чудовий у ситуаціях з невеликими даними та дає цілком зрозумілі результати".

У майбутньому байєсівська машина на основі мемристорів, створена цією групою дослідників, може допомогти підвищити енергоефективність моделей штучного інтелекту, а також потенційно надихнути на розробку інших подібних рішень. Це може бути особливо корисним для критичних до безпеки застосунків, таких як медичні датчики та схеми для контролю безпеки промислових об'єктів.