「UCLとイギリス帝国大学の研究者が、タスク適応型貯水池コンピューティングを通じてエネルギー効率の高い機械学習を発表」

「UCLとイギリス帝国大学の研究者が、タスク適応型貯水池コンピューティングを利用したエネルギー効率の高い機械学習を発表」

従来のコンピュータは多くのエネルギーを使用します。世界の電力需要の約10%を占めているのです。これは、従来のコンピュータがデータを処理し、保存するために別々のユニットに依存しているためであり、その2つのユニット間での継続的なシャッフルが必要です。このプロセスによって熱が発生し、エネルギーが無駄になります。

脳に触発された、またはニューロモーフィックなコンピューティングは、従来のコンピュータのエネルギー効率の問題に対して、潜在的に効果的な解決策です。これは、人間の脳の構造と運用にモデル化されており、少量のエネルギーを使用して複雑な計算を行うことができます。

物理的な貯溜器を使用することは、ニューロモーフィックなコンピューティングの基本原理です。非線型ダイナミクスを持つ物質、または入力にわずかな変化が生じるとその振る舞いが感度を持つ物質は、物理的な貯溜器として知られています。これらの貯溜器は、情報を物質の状態に符号化することができますので、計算に適しています。

• 「中国のAI研究は、GS-SLAMを導入し、高度な3Dマッピングと位置特定のための新しい手法を紹介します」
• デジタルアートの革新：ソウル国立大学の研究者が、強化学習を用いたコラージュ作成における新しいアプローチを紹介
• このAIリサーチはGAIAを紹介します：一般AIの能力の次のマイルストーンを定義するベンチマーク

最近の研究では、国際的な学術グループが、VoAGIとしてキラル磁石を使用した新しい形の物理的な貯溜器コンピューティングを作り出しました。ねじれた構造を持つ物質、つまりキラル磁石は、ユニークな磁気特性を持っています。科学者たちは、温度を変化させ、外部磁場をかけることでキラル磁石の磁気相を制御することができることを発見しました。これにより、材料の物理的な特性をさまざまな機械学習アプリケーションに合わせて変更することができました。たとえば、磁化した粒子が渦状のパターンで回転しているスカイミオン相は、強力なメモリを持つため、予測アプリケーションに理想的です。一方、錐体相は最小限のメモリを持っていますが、非線形性があるため、分類や変換のジョブには最適です。

より従来のニューロモーフィックなコンピューティング方法と比較して、この新しい物理的な貯溜器コンピューティングへの新たなアプローチは、いくつかの利点を提供します。まず第一に、外部の電子機器が必要ないため、よりエネルギー効率が高くなります。第二に、より広範な機械学習のタスクに適応することができます。

この新しいタイプの脳に触発されたコンピューティングの創造とともに、よりエネルギー効率の高いコンピュータソリューションの探求が進んでいます。さらなる調査により、この技術は私たちの計算方法を大きく変える可能性があります。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!