Neuron Buatan Terbaru Dapat Menjalankan Perhitungan Jaringan Saraf Menggunakan Energi hingga 1000 Kali Lebih Sedikit
Melatih jaringan saraf untuk melakukan tugas, seperti mengenali gambar atau menavigasi mobil yang mengemudi sendiri, suatu hari nanti membutuhkan lebih sedikit daya komputasi dan perangkat keras berkat perangkat neuron buatan baru yang dikembangkan oleh para peneliti di Universitas California San Diego. Perangkat dapat menjalankan komputasi jaringan neural menggunakan energi dan area 100 hingga 1000 kali lebih sedikit daripada perangkat keras berbasis CMOS yang ada.
 |
| Sumber: Sangheon Oh/Nature Nanotechnology |
Para peneliti melaporkan pekerjaan mereka dalam makalah yang diterbitkan baru-baru ini di Nature Nanotechnology.
Jaringan saraf adalah rangkaian lapisan neuron buatan yang terhubung, di mana keluaran dari satu lapisan memberikan masukan ke lapisan berikutnya. Menghasilkan input tersebut dilakukan dengan menerapkan perhitungan matematis yang disebut fungsi aktivasi non-linier. Ini adalah bagian penting dari menjalankan jaringan neural. Tetapi menerapkan fungsi ini membutuhkan banyak daya komputasi dan sirkuit karena melibatkan transfer data bolak-balik antara dua unit terpisah - memori dan prosesor eksternal.
 |
| Sumber: Sangheon Oh/Nature Nanotechnology |
Sekarang, peneliti UC San Diego telah mengembangkan perangkat berukuran nanometer yang dapat secara efisien menjalankan fungsi aktivasi.
“Perhitungan jaringan saraf dalam perangkat keras menjadi semakin tidak efisien karena model jaringan saraf menjadi lebih besar dan lebih kompleks,” kata Duygu Kuzum, seorang profesor teknik listrik dan komputer di UC San Diego Jacobs School of Engineering. "Kami mengembangkan perangkat neuron buatan berskala nano yang menerapkan komputasi ini dalam perangkat keras dengan cara yang sangat hemat energi dan area."
Studi baru, dipimpin oleh Kuzum dan gelar Ph.D. Mahasiswa Sangheon Oh, dilakukan bekerja sama dengan DOE Energy Frontier Research Center yang dipimpin oleh profesor fisika UC San Diego Ivan Schuller, yang berfokus pada pengembangan implementasi perangkat keras jaringan saraf tiruan hemat energi.
Perangkat mengimplementasikan salah satu fungsi aktivasi yang paling umum digunakan dalam pelatihan jaringan saraf yang disebut unit linier yang diperbaiki. Yang khusus tentang fungsi ini adalah ia membutuhkan perangkat keras yang dapat mengalami perubahan resistansi secara bertahap agar dapat berfungsi. Dan itulah tepatnya yang dilakukan oleh para peneliti UC San Diego pada perangkat mereka - perangkat ini dapat secara bertahap beralih dari kondisi isolasi ke konduksi, dan melakukannya dengan bantuan sedikit panas.
 |
| Sumber: Sangheon Oh/Nature Nanotechnology |
Sakelar ini disebut transisi Mott. Itu terjadi di lapisan vanadium dioksida setipis nanometer. Di atas lapisan ini adalah pemanas kawat nano yang terbuat dari titanium dan emas. Ketika arus mengalir melalui kawat nano, lapisan vanadium dioksida perlahan memanas, menyebabkan peralihan yang lambat dan terkontrol dari isolasi ke konduksi.
“Arsitektur perangkat ini sangat menarik dan inovatif,” kata Oh, yang merupakan penulis pertama studi tersebut. Biasanya, material dalam transisi Mott mengalami sakelar mendadak dari isolasi ke konduksi karena arus mengalir langsung melalui material, jelasnya. "Dalam hal ini, kami mengalirkan arus melalui kawat nano di atas material untuk memanaskannya dan menyebabkan perubahan resistansi yang sangat bertahap."
Untuk mengimplementasikan perangkat, para peneliti pertama-tama membuat array dari apa yang disebut perangkat aktivasi (atau neuron), bersama dengan array perangkat sinaptik. Kemudian mereka mengintegrasikan dua larik pada papan sirkuit tercetak khusus dan menghubungkannya bersama untuk membuat versi perangkat keras dari jaringan saraf.
Para peneliti menggunakan jaringan untuk memproses gambar - dalam hal ini, gambar Perpustakaan Geisel di UC San Diego. Jaringan melakukan jenis pemrosesan gambar yang disebut deteksi tepi, yang mengidentifikasi garis tepi atau tepi objek dalam gambar. Eksperimen ini menunjukkan bahwa sistem perangkat keras terintegrasi dapat melakukan operasi konvolusi yang penting untuk berbagai jenis jaringan neural dalam.
Para peneliti mengatakan teknologinya dapat ditingkatkan lebih lanjut untuk melakukan tugas-tugas yang lebih kompleks seperti pengenalan wajah dan objek pada mobil yang mengemudi sendiri. Dengan minat dan kolaborasi dari industri, ini bisa terjadi, kata Kuzum.
"Saat ini, ini adalah bukti konsep," kata Kuzum. “Ini adalah sistem kecil di mana kami hanya menumpuk satu lapisan sinapsis dengan satu lapisan aktivasi. Dengan menumpuk lebih banyak ini bersama-sama, Anda dapat membuat sistem yang lebih kompleks untuk aplikasi yang berbeda. ”
Referensi: “Saraf Aktivasi Mott Hemat Energi untuk Implementasi Perangkat Keras Jaringan Syaraf Penuh” oleh Sangheon Oh, Yuhan Shi, Javier del Valle, Pavel Salev, Yichen Lu, Zhisheng Huang, Yoav Kalcheim, Ivan K. Schuller dan Duygu Kuzum, 18 Maret 2021 , Nanoteknologi Alam. DOI: 10.1038 / s41565-021-00874-8
Pekerjaan ini didukung oleh Office of Naval Research, Samsung Electronics, National Science Foundation, National Institutes of Health, Qualcomm Fellowship dan U.S. Department of Energy, Office of Science melalui Energy Frontier Research Center.
Sumber: https://scitechdaily.com/