과학자들은 뉴 로모 픽 컴퓨터 용 구성 요소를 개발했습니다.

신경망은 가장 중요한 인공 지능 (AI) 도구 중 하나입니다. 인공 지능 (AI) 도구는 인간 두뇌의 작동을 모방하고 텍스트, 언어 및 이미지를 안정적으로 인식 할 수 있습니다. 지금까지 그들은 적응 형 소프트웨어의 형태로 전통적인 프로세서에서 실행되고 있지만 전문가들은 대안적인 개념 인 "신경형 컴퓨터"를 연구하고 있습니다.

이 경우 뇌의 스위칭 포인트 인 뉴런은 소프트웨어로 모델링되지 않고 하드웨어 구성 요소에 의해 재구성됩니다. Helmholtz-Zentrum Dresden-Rossendorf (HZDR)의 연구팀은 이러한 장비에 대한 새로운 접근 방식, 즉 마이크로 미터 크기의 플레이트로 생성되고 분할되는 목표 자기 파를 시연했습니다. 미래를 내다 보면 이는 최적화 및 패턴 인식 작업이 더 적은 전력으로 더 빠르게 수행 될 수 있음을 의미 할 수 있습니다. 연구원들은 그들의 결과를 Physical Review Letters 저널에 발표했습니다.

과학자들은 직경이 몇 마이크로 미터에 불과한 자성 철-니켈 물질의 작은 디스크를 기반으로 연구를 진행했습니다. 이 디스크 주변에는 금 고리가 있습니다. 기가 헤르츠 범위의 교류가이를 통해 흐르면 마이크로파를 방출하여 디스크의 소위 스핀파를 여기시킵니다.

HZDR의 Helmut Schulheiss는“철-니켈의 전자는 제자리에서 회전하는 일종의 회전을 보여줍니다. "우리는 마이크로파 펄스를 사용하여 전자의 상단을 약간 떨어 뜨립니다." 그런 다음 전자는이 교란을 이웃에게 전달하여 스핀파가 물질을 통과하도록합니다. 이러한 방식으로 정보는 현대 컴퓨터 칩의 경우처럼 전자 자체를 이동하지 않고도 매우 효율적으로 전송 될 수 있습니다.

2019 년에 연구자들은 놀라운 사실을 발견했습니다. 특정 상황에서 자기 소용돌이에서 생성 된 스핀파는 각각 감소 된 주파수를 가진 두 개의 파동으로 분할 될 수 있습니다.

과학자들은“소위 비선형 효과가 이에 대한 책임이 있습니다. "방사 된 마이크로파 전력이 특정 임계 값을 초과 할 때만 활성화됩니다." 이 행동은 스핀파가 인공 뉴런에 대한 유망한 후보임을 시사합니다. 뇌가 작동하는 방식과 놀라운 유사점이 있기 때문입니다.이 뉴런은 특정 자극 임계 값을 초과 할 때만 발화합니다.

그러나 처음에는 과학자들이 스핀파의 분할을 매우 정확하게 제어 할 수 없었습니다. 따라서 팀은 현재 Physical Review Letters에 설명 된 문제를 해결할 방법을 찾아야했습니다. 금색 링 외에도 작은 마그네틱 스트라이프가 마그네틱 플레이트에 부착되어 있습니다. 짧은 마이크로파 신호는이 스트립에서 스핀파를 생성하여 플레이트의 스핀파와 상호 작용하여 일종의 미끼 역할을 할 수 있습니다.

스트립의 스핀파는 플레이트의 파동을 더 빠르게 분할합니다. “매우 짧은 추가 신호는 분리가 더 빨리 발생하기에 충분합니다.”라고 연구원들은 설명합니다. "이는 이제 프로세스를 시작하고 시간 지연을 제어 할 수 있음을 의미합니다."

연구진은 "다음으로 우리가 원하는 것은 스핀파 뉴런으로 작은 네트워크를 구축하는 것"이라고 말합니다. "이 뉴 로모 픽 네트워크는 단순한 패턴 인식과 같은 간단한 작업을 수행해야합니다."

얼굴 인식 및 패턴 인식은 AI의 주요 응용 프로그램 중 하나입니다. 예를 들어 스마트 폰의 얼굴 인식 기능을 사용하면 비밀번호를 입력 할 필요가 없습니다. 이것이 작동하려면 신경망이 사전에 훈련되어야하므로 엄청난 컴퓨팅 성능과 엄청난 양의 데이터가 필요합니다. 스마트 폰 제조업체는이 네트워크를 특수 칩으로 전송 한 다음 휴대 전화에 통합합니다. 그러나 칩에는 약점이 있습니다. 예를 들어, 반응하지 않기 때문에 가려진 얼굴을 인식 할 수 없습니다.

반면에 뉴 로모 픽 컴퓨터는 유사한 상황에도 대처할 수 있습니다. 기존 칩과 달리 구성 요소는 단단하게 연결되지 않고 뇌의 신경 세포처럼 기능합니다. 덕분에 뉴 로모 픽 컴퓨터는 인간처럼 동시에 대량의 데이터를 처리 할 수 ​​있으며 동시에 매우 에너지 효율적입니다. 패턴 인식 외에도 새로운 유형의 컴퓨터는 스마트 폰의 고정밀 경로 플래너와 같은 최적화 작업과 같은 경제적으로 중요한 또 다른 영역에서 유용 할 수 있습니다.