Fig. 1. (a) Optiskt fotografi av en tillverkad spintronic -anordning som fungerar som artificiell synaps i föreliggande demonstration. Mätkrets för resistansomkopplingen visas också. (b) Uppmätt samband mellan enhetens motstånd och applicerad ström, visar analogliknande resistansvariation. (c) Foto av en spintronic -enhet som är monterad på ett keramiskt paket, som används för det utvecklade artificiella neurala nätverket. Upphovsman:Tohoku University
Forskare vid Tohoku University har, för första gången, framgångsrikt visat den grundläggande driften av spintronikbaserad artificiell intelligens.
Artificiell intelligens, som efterliknar hjärnans informationsbehandlingsfunktion som snabbt kan utföra komplexa och komplicerade uppgifter som bildigenkänning och väderprognoser, har väckt allt större uppmärksamhet och har redan delvis använts praktiskt.
Den för närvarande använda artificiella intelligensen fungerar på den konventionella ramen för halvledarbaserad integrerad kretsteknik. Dock, detta saknar den kompakta och lågeffektfunktionen hos den mänskliga hjärnan. För att övervinna denna utmaning, implementeringen av en enda solid state-enhet som spelar rollen som en synaps är mycket lovande.
Tohoku -universitetets forskargrupp för professor Hideo Ohno, Professor Shigeo Sato, Professor Yoshihiko Horio, Docent Shunsuke Fukami och biträdande professor Hisanao Akima utvecklade ett artificiellt neuralt nätverk där deras nyligen utvecklade spintronic-enheter, omfattande mikroskala magnetiskt material, används (fig. 1). Den använda spintronic -enheten kan memorera skiljevärden mellan 0 och 1 på ett analogt sätt till skillnad från konventionella magnetiska enheter, och därmed utföra inlärningsfunktionen, som betjänas av synapser i hjärnan.
Fig. 2. Blockdiagram över utvecklat artificiellt neuralt nätverk, bestående av PC, FPGA, och en rad spintronik (spin-orbit vridmoment; SOT) enheter. Upphovsman:Tohoku University
Med hjälp av det utvecklade nätverket (bild 2), forskarna undersökte en associativ minnesoperation, som inte enkelt körs av konventionella datorer. Genom flera försök, de bekräftade att de spintronic -enheterna har en inlärningsförmåga som det utvecklade artificiella neurala nätverket framgångsrikt kan associera memorerade mönster (fig. 3) från sina inmatade bullriga versioner precis som den mänskliga hjärnan kan.
Bevis-för-konceptdemonstrationen i denna forskning förväntas öppna nya horisonter inom artificiell intelligens-teknik-en som är av en kompakt storlek, och som samtidigt uppnår snabb bearbetning och ultralåg strömförbrukning. Dessa funktioner bör göra det möjligt för artificiell intelligens att användas i ett brett spektrum av samhälleliga tillämpningar som bild-/röstigenkänning, bärbara terminaler, sensornätverk och omvårdnadsrobotar.
Fig. 3. Tre typer av mönster, "Jag", "C", och t", uttryckt i 3x3 block som används för det associativa minnesoperationsexperimentet. Upphovsman:Tohoku University
