Новый транзистор сократил энергопотребление систем ИИ в 100 раз

Статья в журнале Nature Electronics рассказывает об изобретении команды из Северо-Западного университета. Их устройство заточено под ключевую задачу — классификацию. Проще говоря, оно умеет быстро анализировать горы сырых данных и вычленять из них самое важное. Именно на этом строится машинное обучение.

Новый транзистор для ИИ

«Представьте: большинство датчиков сегодня лишь собирают информацию, — говорит Марк С. Херсам, ведущий автор работы. — Потом эти данные летят в облако, где их перемалывают на прожорливых серверах, и только затем результат возвращается к вам. Дорого, медленно и очень энергозатратно. Наше устройство настолько экономично, что его можно встроить прямо в умные часы или фитнес-браслет. Обработка будет происходить мгновенно, на месте. Это может спасти жизнь, например, при анализе кардиограммы в реальном времени». Звучит как фантастика, но это уже лабораторная реальность.

В чем секрет? Обычные транзисторы делают из кремния. Эти же — из экзотического дуэта: двумерных слоев дисульфида молибдена и одномерных углеродных нанотрубок. Такая конструкция дает суперспособность: транзистор можно моментально перенастраивать «на лету». Один такой чип может выполнять несколько разных задач в цепочке обработки данных, тогда как его кремниевый собрат способен лишь на одну операцию.

«Объединение двух разнородных материалов в одном устройстве позволяет нам радикально управлять током с помощью малого напряжения, — объясняет Херсам. — Эта высокая степень настройки позволяет запускать сложные алгоритмы классификации в крошечном корпусе и с мизерным аппетитом к энергии».

Тесты впечатляют. Ученые обучили свои транзисторы анализировать публичную базу данных электрокардиограмм (ЭКГ) и различать шесть типов сердцебиения: от нормального до различных аритмий.

Результат? На 10 000 образцах ЭКГ система из всего ДВУХ таких микротранзисторов показала точность в 95%. А знаете, сколько понадобилось бы обычных транзисторов для той же задачи? Более сотни. И при этом новые чипы потребили лишь около 1% от энергии, которую съели бы классические компоненты. Разница — на порядки.

Что это нам сулит? Когда (и если) технология дойдет до серийного производства, наши носимые гаджеты обретут настоящий локальный интеллект. Им больше не придется постоянно «звонить» в облако для анализа данных. Всё будет обрабатываться внутри устройства — быстрее, приватнее и безопаснее. Ваши медицинские показатели не будут путешествовать по интернету — они останутся при вас.

Пока неясно, где еще пригодится это изобретение. Только в миниатюрной электронике или его можно масштабировать для больших вычислительных систем? Если подобная эффективность будет перенесена на серверные масштабы, это станет революцией. Сокращение энергопотребления в 100 раз при обучении крупных моделей — это именно тот прорыв, которого все ждут. Будущее, кажется, решило сэкономить на электричестве.