Группа физиков из Университета Лафборо (Великобритания) представила инновационную микросхему, способную радикально оптимизировать энергопотребление систем искусственного интеллекта. Согласно выводам исследователей, при выполнении специфических задач новое устройство превосходит классические программные алгоритмы, запускаемые на стандартных ПК, по показателям энергоэффективности почти в 2000 раз.
Визуализация подготовлена нейросетью Nano Banana
В отличие от традиционной архитектуры, опирающейся на программную обработку массивов данных, представленная система анализирует динамически меняющиеся сигналы непосредственно на аппаратном уровне. Авторы работы подчеркивают, что такой подход позволяет задействовать фундаментальные физические свойства самих компонентов для проведения вычислений, что сводит энергетические затраты к минимуму.
Фундаментом разработки стал тонкопленочный мемристор на основе оксида ниобия. Данный элемент обладает способностью одновременно хранить информацию о предыдущих состояниях и участвовать в логических операциях. Это делает его крайне перспективным компонентом для нейроморфной электроники — аппаратных платформ, имитирующих принципы работы человеческого мозга.
В рамках серии испытаний чип применялся для выполнения базовой логики, идентификации графических образов цифр, а также для прогнозирования и реконструкции временных рядов. Отдельной проверкой стала работа с моделью Лоренца-63 — знаменитой математической системой, описывающей «эффект бабочки», при котором минимальные колебания входных условий вызывают нелинейные последствия.
Экспериментальные данные подтвердили, что система успешно справляется с предсказанием краткосрочного поведения хаотических процессов, восполнением пробелов в данных и распознаванием паттернов. По мнению ученых, это доказывает универсальность архитектуры: один и тот же аппаратный модуль может эффективно решать широкий спектр вычислительных задач.
Разработчики убеждены, что предложенная технология открывает путь к созданию масштабируемых и экономичных процессоров для ИИ. Такие решения будут особенно востребованы в сферах, требующих анализа непрерывных потоков информации в режиме реального времени — например, при обработке сигналов с сенсоров или анализе динамического видеоконтента.
Источник: iXBT
