Een onderzoeksgroep van Politecnico di Milano heeft een nieuw computercircuit ontwikkeld dat geavanceerde bewerkingen kan uitvoeren, typisch voor neurale netwerken voor kunstmatige intelligentie, in één enkele operatie.

De circuitprestaties op het gebied van snelheid en energieverbruik effenen de weg voor een nieuwe generatie kunstmatige intelligentie-computerversnellers die op wereldschaal energiezuiniger en duurzamer zijn. De studie is onlangs gepubliceerd in het prestigieuze wetenschappelijke vooruitgang .

Een gezicht of een voorwerp herkennen, of het correct interpreteren van een woord of een deuntje zijn bewerkingen die vandaag mogelijk zijn op de meest voorkomende elektronische gadgets, zoals smartphones en tablets, dankzij kunstmatige intelligentie. Om dit te laten gebeuren, gecompliceerde neurale netwerken moeten goed worden getraind, die zo energiek veeleisend is dat, volgens sommige onderzoeken de CO2-voetafdruk die voortkomt uit de training van een complex neuraal netwerk kan de uitstoot van 5 auto's gedurende hun hele levenscyclus evenaren.

Om de tijd en het energieverbruik van de training te verminderen, men zou circuits moeten ontwikkelen die radicaal verschillen van de conventionele benadering en die in staat zijn om de structuur van de neurale netwerken en de kenmerken van de biologische synapsen nauwkeuriger na te bootsen. Een typisch voorbeeld is het concept van in-memory computing, waarbij gegevens direct in het geheugen worden verwerkt, precies zoals in het menselijk brein.

Op basis van deze analogie, de onderzoeksgroep van Politecnico di Milano heeft een nieuw circuit ontwikkeld dat in slechts één bewerking een wiskundige functie kan uitvoeren die bekend staat als regressie. Hiervoor gebruiken ze een resistief geheugen, ook bekend als memristor, een apparaat dat elk gegeven kan onthouden (bijvoorbeeld de waarde van een aandeel op een bepaald moment) in de waarde van zijn weerstand. Door deze geheugenelementen te rangschikken in een array ter grootte van enkele micrometers (enkele miljoensten van een meter), de groep van Politecnico di Milano heeft een lineaire regressie kunnen uitvoeren op een groep gegevens.

Deze bewerking is in staat om de rechte lijn te bepalen die een reeks gegevens het beste beschrijft, toestaan, bijvoorbeeld, om de trend op de aandelenmarkt te voorspellen op basis van een eenvoudig lineair model. Logistieke regressie, waarmee de classificatie van gegevens in een database mogelijk is, is ook aangetoond. Deze functie is essentieel voor de zogenaamde aanbevelingssystemen, die cruciale marketingtools zijn voor online aankopen.