Destaque

Novo hardware para Inteligência Artificial melhora eficiência energética por meio de sistema de armazenamento inspirado no cérebro

Fonte

KAIST | Instituto Avançado de Ciência e Tecnologia da Coreia do Sul

Data

segunda-feira. 23 maio 2022 19:40

O grupo de pesquisa liderado pelo professor Dr. Kyung Min Kim, do Departamento de Ciência e Engenharia de Materiais do Instituto Avançado de Ciência e Tecnologia da Coreia do Sul (KAIST), desenvolveu uma tecnologia que pode lidar eficientemente com operações matemáticas para inteligência artificial, imitando as mudanças contínuas na topologia da rede neural de acordo com a situação. O cérebro humano muda sua topologia neural em tempo real, aprendendo a armazenar ou recuperar memórias conforme necessário. O grupo de pesquisa apresentou um novo método de aprendizado de inteligência artificial que implementa diretamente essas configurações de circuito de coordenação neural.

A pesquisa em inteligência artificial está se tornando muito ativa, e o desenvolvimento de dispositivos eletrônicos baseados em inteligência artificial e lançamentos de produtos estão se acelerando, especialmente na era da Quarta Revolução Industrial. Para implementar a inteligência artificial em dispositivos eletrônicos, o desenvolvimento de hardware customizado também deve ser suportado. No entanto, a maioria dos dispositivos eletrônicos para inteligência artificial requer alto consumo de energia e matrizes de memória altamente integradas para tarefas de grande escala. Tem sido um desafio resolver essas limitações de consumo de energia e integração, e esforços têm sido feitos para descobrir como o cérebro humano resolve esses problemas.

Para provar a eficiência da tecnologia desenvolvida, o grupo de pesquisa criou um hardware de rede neural artificial equipado com uma matriz sináptica auto-retificável e um algoritmo chamado ‘sistema de armazenamento’, que foi desenvolvido para conduzir o aprendizado de inteligência artificial. Como resultado, [o novo hardware] foi capaz de reduzir a energia em 37% dentro do sistema de armazenamento sem qualquer degradação da precisão. Este resultado prova que é possível emular a neuromodulação em humanos.

“Neste estudo, implementamos o método de aprendizado do cérebro humano com apenas uma composição de circuito simples e, com isso, conseguimos reduzir a energia necessária em quase 40%”, destacou o professor Kim.

Este sistema de armazenamento inspirado em neuromodulação que imita a atividade neural do cérebro é compatível com dispositivos eletrônicos existentes e hardware semicondutor comercializado. Espera-se que a tecnologia possa ser usada no projeto de chips semicondutores de próxima geração para inteligência artificial.

Os resultados foram publicados na revista científica Advanced Functional Materials.

Acesse o resumo do artigo científico (em inglês).

Acesse a notícia completa na página do Instituto Avançado de Ciência e Tecnologia da Coreia do Sul (em inglês).

Fonte: KAIST.

Leia também