محاسبات “نانو مغناطیسی” می تواند هوش مصنوعی کم انرژی را ارائه دهد – ScienceDaily

دکتر جک گارتساید، نویسنده اول این مطالعه، گفت: “ما برای مدت طولانی در تلاش بودیم تا مشکل نحوه ورود داده ها، پرسیدن یک سوال و دریافت پاسخ را از محاسبات مغناطیسی برطرف کنیم. اکنون ثابت کرده ایم. می توان آن را انجام داد، راه را برای خلاص شدن از شر نرم افزار کامپیوتری که شبیه سازی انرژی بر را انجام می دهد، هموار می کند.”

هوش مصنوعی اکنون در زمینه‌های مختلفی از تشخیص صدا گرفته تا خودروهای خودران استفاده می‌شود. اما آموزش هوش مصنوعی برای انجام کارهای نسبتاً ساده نیز می تواند انرژی زیادی را به خود اختصاص دهد. به عنوان مثال، آموزش هوش مصنوعی برای حل مکعب روبیک، انرژی معادل دو نیروگاه هسته ای را به مدت یک ساعت در اختیار داشت.

کیلیان استنینگ، نویسنده همکار، اضافه کرد: «نحوه تعامل آهنرباها همه اطلاعاتی را که نیاز داریم به ما می‌دهد؛ قوانین فیزیک خود به رایانه تبدیل می‌شوند».

نانومغناطیس‌ها بسته به جهتشان، می‌توانند در «حالت‌های» مختلفی بیایند. اعمال میدان مغناطیسی بر روی شبکه ای از نانومغناطیس ها، وضعیت آهنرباها را بر اساس خواص میدان ورودی و همچنین بر روی حالت آهنرباهای اطراف تغییر می دهد.

در عوض، نرم‌افزاری که بر روی رایانه‌های مبتنی بر سیلیکون سنتی اجرا می‌شود، برای شبیه‌سازی فعل و انفعالات آهن‌ربایی و در نتیجه شبیه‌سازی مغز مورد استفاده قرار گرفت. اکنون، تیم توانسته است از آهنرباها برای پردازش و ذخیره داده ها استفاده کند – واسطه شبیه سازی نرم افزار را حذف کرده و به طور بالقوه صرفه جویی زیادی در انرژی ارائه می دهد.

در مقاله ای که امروز در نانوتکنولوژی طبیعت، تیم بین المللی اولین مدرکی را ارائه کرده است که نشان می دهد شبکه های نانومغناطیس می توانند برای انجام پردازش های مشابه هوش مصنوعی استفاده شوند. محققان نشان دادند که نانومغناطیس‌ها می‌توانند برای کارهای «پیش‌بینی سری زمانی» مانند پیش‌بینی و تنظیم سطح انسولین در بیماران دیابتی استفاده شوند.

این بدان معناست که انرژی بسیار کمتری از دست می‌رود و پردازش و ذخیره‌سازی اطلاعات می‌تواند با هم انجام شود، نه اینکه مانند رایانه‌های معمولی فرآیندهای جداگانه باشند. این نوآوری می تواند محاسبات نانومغناطیسی را تا 100000 برابر کارآمدتر از محاسبات معمولی کند.

هدف هوش مصنوعی که از «شبکه‌های عصبی» استفاده می‌کند، شبیه‌سازی نحوه عملکرد بخش‌هایی از مغز است، جایی که نورون‌ها برای پردازش و حفظ اطلاعات با یکدیگر صحبت می‌کنند. بسیاری از ریاضیات مورد استفاده برای تقویت شبکه های عصبی در ابتدا توسط فیزیکدانان برای توصیف نحوه تعامل آهنرباها اختراع شد، اما در آن زمان استفاده مستقیم از آهنربا بسیار دشوار بود زیرا محققان نمی دانستند چگونه داده ها را وارد کرده و اطلاعات را به بیرون برسانند.