Pesquisadores mostraram que é possível realizar inteligência artificial usando minúsculos nanoímãs que interagem como neurônios no cérebro.
O novo método, desenvolvido por uma equipe liderada por pesquisadores do Imperial College London, pode reduzir o custo de energia da inteligência artificial (IA), que atualmente dobra globalmente a cada 3,5 meses.

Em um artigo publicado hoje na Nature Nanotechnology , a equipe internacional produziu a primeira prova de que redes de nanoímãs podem ser usadas para realizar processamento semelhante a IA. Os pesquisadores mostraram que os nanoímãs podem ser usados ​​para tarefas de 'previsão de séries temporais', como prever e regular os níveis de insulina em pacientes diabéticos.

A inteligência artificial que usa 'redes neurais' visa replicar a maneira como as partes do cérebro funcionam, onde os neurônios conversam entre si para processar e reter informações. Muita da matemática usada para alimentar as redes neurais foi originalmente inventada por físicos para descrever a maneira como os ímãs interagem, mas na época era muito difícil usar ímãs diretamente, pois os pesquisadores não sabiam como inserir dados e obter informações.

Em vez disso, o software executado em computadores tradicionais baseados em silício foi usado para simular as interações magnéticas, simulando o cérebro. Agora, a equipe conseguiu usar os próprios ímãs para processar e armazenar dados, eliminando o intermediário da simulação de software e potencialmente oferecendo uma enorme economia de energia.

Estados nanomagnéticos

Os nanoímãs podem vir em vários 'estados', dependendo de sua direção. A aplicação de um campo magnético a uma rede de nanoímãs altera o estado dos ímãs com base nas propriedades do campo de entrada, mas também nos estados dos ímãs circundantes.

A equipe, liderada por pesquisadores do Departamento Imperial de Física, foi capaz de projetar uma técnica para contar o número de ímãs em cada estado, uma vez que o campo passou, dando a 'resposta'.

Co-primeiro autor do estudo Dr. Jack Gartside disse:"Nós estamos tentando resolver o problema de como inserir dados, fazer uma pergunta e obter uma resposta da computação magnética por um longo tempo. provado que pode ser feito, abre o caminho para se livrar do software de computador que faz a simulação de uso intensivo de energia."

O co-primeiro autor Kilian Stenning acrescentou:"Como os ímãs interagem nos dá todas as informações de que precisamos; as próprias leis da física se tornam o computador".

O líder da equipe, Dr. Will Branford, disse:"Tem sido um objetivo de longo prazo realizar hardware de computador inspirado nos algoritmos de software de Sherrington e Kirkpatrick. Não foi possível usar os spins em átomos em ímãs convencionais, mas aumentando os spins em matrizes nanopatternadas, conseguimos obter o controle e a leitura necessários."

Reduzindo o custo de energia

A IA agora é usada em vários contextos, desde reconhecimento de voz até carros autônomos. Mas treinar a IA para realizar tarefas relativamente simples pode consumir grandes quantidades de energia. Por exemplo, treinar IA para resolver um cubo de Rubik consumiu a energia equivalente a duas usinas nucleares funcionando por uma hora.

Grande parte da energia usada para conseguir isso em computadores convencionais com chip de silício é desperdiçada no transporte ineficiente de elétrons durante o processamento e armazenamento de memória. Os nanoímãs, no entanto, não dependem do transporte físico de partículas como elétrons, mas processam e transferem informações na forma de uma onda 'magnon', onde cada ímã afeta o estado dos ímãs vizinhos.

Isso significa que muito menos energia é perdida e que o processamento e armazenamento de informações podem ser feitos juntos, em vez de serem processos separados como nos computadores convencionais. Essa inovação pode tornar a computação nanomagnética até 100.000 vezes mais eficiente do que a computação convencional.

IA na borda

Em seguida, a equipe ensinará o sistema usando dados do mundo real, como sinais de ECG, e espera transformá-lo em um dispositivo de computação real. Eventualmente, os sistemas magnéticos podem ser integrados em computadores convencionais para melhorar a eficiência energética para tarefas de processamento intensas.

Sua eficiência energética também significa que eles podem ser alimentados por energia renovável e usados ​​para fazer 'IA na borda' - processando os dados onde estão sendo coletados, como estações meteorológicas na Antártida, em vez de enviá-los de volta para grandes centros de dados .

Isso também significa que eles podem ser usados ​​em dispositivos vestíveis para processar dados biométricos no corpo, como prever e regular os níveis de insulina para pessoas diabéticas ou detectar batimentos cardíacos anormais. + Explorar mais

Os ímãs de aprendizado podem levar ao processamento de dados com eficiência energética