Naukowcy z Cornell stworzyli układ AI o 200 razy mniejszym zużyciu energii

Badacze z Uniwersytetu Cornell opracowali rewolucyjny układ komputerowy, który może znacząco ograniczyć zużycie energii przez sztuczną inteligencję. Ich innowacyjne rozwiązanie łączy zapis elektryczny z odczytem mechanicznym, wykorzystując mikroskopijne drgania do przetwarzania informacji. Szczegóły badania zostały opisane w artykule opublikowanym na Spider's Web.

Nowa technologia może odpowiedzieć na jeden z największych problemów współczesnej AI — ogromne zużycie energii wynikające z ciągłego przerzucania danych między pamięcią a procesorem. W klasycznych komputerach ten proces generuje znaczne opóźnienia i straty energetyczne, szczególnie problematyczne przy obliczeniach AI wymagających miliardów prostych operacji matematycznych.

Kluczowe wnioski

• Układ FeMEMS zapisuje informacje elektrycznie, ale odczytuje je przez mikroskopijne drgania belki o grubości zaledwie 20 nanometrów.
• System może przechowywać około 200 różnych stanów elektromechanicznych, znacznie przewyższając klasyczne 0 i 1.
• Rozdzielenie zapisu od odczytu eliminuje zakłócenia charakterystyczne dla tradycyjnych układów ferroelektrycznych.
• Drgająca belka fizycznie wykonuje operacje mnożenia, łącząc pamięć z obliczeniami w jednym elemencie.
• Technologia może znacząco zmniejszyć zużycie energii przez modele AI poprzez eliminację ciągłego przenoszenia danych.

Fizyka materiału jako procesor

Serce nowego układu stanowi ferroelektryczny układ mikroelektromechaniczny (FeMEMS) z mikroskopijna zawieszoną belką pokrytą warstwą tlenku hafnu i cyrkonu. Materiał ferroelektryczny zawiera domeny — mikroskopijne obszary, w których polaryzacja elektryczna może być programowana impulsami elektrycznymi.

Kluczową innowacją jest sposób odczytu informacji. Zamiast tradycyjnego sondowania elektrycznego, system wykorzystuje niewielki sygnał wprawiający belkę w drgania. Sposób poruszania się belki zdradza zapisaną wartość, eliminując problemy z zakłóceniami charakterystycznymi dla konwencjonalnych rozwiązań ferroelektrycznych.

Mnożenie przez ruch

Najbardziej fascynującym aspektem nowej technologii jest zdolność do wykonywania obliczeń samym ruchem belki. Gdy sygnał wejściowy oddziałuje z zaprogramowanym stanem materiału, odpowiedź mechaniczna układu odpowiada fizycznemu iloczynowi tych wartości.

To bezpośrednio nawiązuje do podstawowych operacji sieci neuronowych, które nieustannie mnożą dane wejściowe przez wagi przechowywane w pamięci. Możliwość wykonywania takich operacji bez przenoszenia danych między pamięcią a procesorem może dramatycznie zmniejszyć zużycie energii i czasu obliczeniowego.

Około 200 rozróżnialnych stanów elektromechanicznych daje znacznie większą precyzję niż binarne systemy. W obliczeniach analogowych taka dokładność zapisu wag jest kluczowa — każdy mały błąd może się kumulować w dużych sieciach wykonujących tysiące lub miliony operacji.

Powrót do alternatywnych rozwiązań

Nowy układ wpisuje się w szerszy trend poszukiwania alternatyw dla klasycznych tranzystorów CMOS. Historia komputerów obfitowała w eksperymenty z różnymi fizycznymi sposobami przetwarzania informacji, ale dominacja krzemu była tak skuteczna, że większość alternatyw zniknęła z głównego nurtu.

Obecnie jednak klasyczne skalowanie staje się coraz trudniejsze, a AI zwiększa zapotrzebowanie na obliczenia w tempie wymuszającym poszukiwanie nowych rozwiązań. Dlatego coraz chętniej powracają pomysły na obliczenia analogowe, neuromorficzne, fotoniczne czy magnetyczne.

Rozwiązanie z Cornell to wciąż eksperymentalny prototyp, ale pokazuje fascynującą możliwość wykorzystania samej fizyki materiału do obliczeń, co może stać się kluczowe dla energooszczędnej AI przyszłości.