通過受大腦啟發的存儲系統實現節能AI硬件技術

研究人員提出了一種受大腦神經調節啟發的新型人工智能系統，稱為“存儲系統”，它需要更少的能量消耗。由材料科學與工程系的KyungMinKim教授領導的研究小組開發了一種技術，可以根據情況模仿神經網絡拓撲結構的連續變化，從而有效地處理人工智能的數學運算。人腦實時改變其神經拓撲結構，學習根據需要存儲或回憶記憶。該研究小組提出了一種新的人工智能學習方法，可以直接實現這些神經協調電路配置。

人工智能的研究變得非常活躍，基于人工智能的電子設備的開發和產品發布正在加速，特別是在第四次工業革命時代。要在電子設備中實現人工智能，還應支持定制硬件開發。然而，大多數用于人工智能的電子設備都需要高功耗和高度集成的存儲陣列來完成大規模任務。解決這些功耗和集成限制一直具有挑戰性，并且已經努力找出人腦如何解決問題。

為了證明所開發技術的效率，研究小組創建了人工神經網絡硬件，該硬件配備了自校正突觸陣列和稱為“存儲系統”的算法，用于進行人工智能學習。結果，它能夠在存儲系統內將能源使用減少37%，而不會降低任何精度。這一結果證明，模擬人類的神經調節是可能的。

金教授說：“在這項研究中，我們只用一個簡單的電路組成就實現了人腦的學習方法，通過這種方法，我們能夠將所需的能量減少近40%。”

這種模擬大腦神經活動的受神經調節啟發的存儲系統與現有的電子設備和商業化的半導體硬件兼容。有望用于下一代人工智能半導體芯片的設計。