100%!important;width:100%!important}
Le total de temps, de travail acharné et de moyens nécessaires pour pratiquer des types de communautés neuronales de plus en plus complexes monte en flèche alors que de plus en plus d’expériences de découverte d’appareils sont en cours. Afin de lutter contre cela, un tout nouveau département d’intelligence synthétique appelé”apprentissage profond analogique”est en plein essor. Il revendique un traitement plus rapide avec une consommation d’énergie beaucoup moins importante. Comme les transistors sont les éléments importants des PC électroniques, les résistances programmables sont les blocs de fabrication de base de l’apprentissage en profondeur analogique. Les scientifiques ont formulé un réseau de «neurones» et de «synapses» synthétiques analogiques qui peuvent effectuer des calculs de la même manière qu’un réseau neuronal numérique en répétant constamment des réseaux de résistances programmables dans des couches complexes. Ensuite, cette communauté peut éventuellement être éduquée en appliquant des fonctions d’IA élaborées telles que la reconnaissance d’images et le traitement du langage naturel.
Une équipe de divers scientifiques du MIT vise à accélérer le rythme d’un type particulier de synapse analogique synthétique qu’ils ont expérimenté précédemment.. Ils ont utilisé un composé inorganique important dans la méthode de production pour donner à leur équipement une augmentation de vitesse d’un million de moments autour des itérations précédentes, environ un million de moments plus rapides que les synapses du cerveau humain. Cette partie inorganique contribue également à l’efficacité énergétique exceptionnelle de la résistance. Les nouveaux matériaux sont compatibles avec les techniques de fabrication du silicium, à la différence des matériaux utilisés dans l’itération précédente de leur unité. Cette modification a rendu possible la fabrication de produits à l’échelle nanométrique et pourrait bien ouvrir la porte à leur incorporation dans des composants informatiques commerciaux pour des applications de compréhension approfondie.
Pour deux bonnes raisons cruciales, l’apprentissage en profondeur analogique est plus rapide et plus efficace que son édition numérique. L’élément principal est que les calculs sont effectués en mémoire, ce qui évite que de grandes quantités de faits restent continuellement transportées de la mémoire vers un processeur. Les processeurs analogiques exécutent également des procédures parallèles. Une résistance protonique programmable est le composant principal des nouvelles technologies de processeur analogique du MIT. La détection de machine analogique est possible avec ce nouveau processeur en modifiant la conductivité électrique des résistances protoniques. La compréhension a lieu dans le cerveau humain en raison du renforcement et de l’affaiblissement des synapses, les connexions entre les neurones. Depuis sa création, les réseaux de neurones profonds ont utilisé cette analogie, dans laquelle des techniques d’éducation sont utilisées pour styliser et concevoir les poids de la communauté.
Le mouvement des protons régit la conductance. Les protons nécessaires pour élever cette conductance sont conduits par un électrolyte. Pour fabriquer une résistance protonique programmable très brève et très économe en énergie, le personnel a étudié différents produits pour l’électrolyte. Le verre de phosphosilicate inorganique (PSG), essentiellement du dioxyde de silicium, a finalement été décidé pour être utilisé par le personnel. C’est l’électrolyte le plus fiable pour cette utilisation car il affiche une conductivité protonique solide à température ambiante sans le prérequis pour l’eau. Tout simplement parce que le PSG possède de nombreux pores de taille nanométrique avec des surfaces qui agissent comme des voies de diffusion des protons, il permet un transport rapide des protons.
De plus, il peut supporter des champs électriques pulsés très impressionnants. La résistance peut fonctionner de manière productive pendant des millions de cycles sans tomber en panne car les protons n’endommagent pas les matériaux, ce qui lui vaut un million de secondes plus vite que leur tout dernier gadget. De plus, il peut fonctionner efficacement à température ambiante, ce qui le rend approprié pour une intégration dans des gadgets informatiques.
En découvrant les caractéristiques des réseaux de résistances et en les mettant à l’échelle afin qu’ils puissent être intégrés dans des appareils, les scientifiques ont l’intention de repenser le résistances programmables pour une fabrication de volume supérieur avant longtemps. Ils ont également l’intention d’étudier les produits pour éliminer toutes les obstructions qui arrêtent la tension nécessaire pour transférer efficacement les protons dans, à la suite de et hors de l’électrolyte. Les chercheurs pensent que l’innovation à long terme dépendra fortement de leur étude. Ils acceptent que le chemin à parcourir soit compliqué mais sont plutôt optimistes quant aux clients potentiels. Le MIT-IBM Watson AI Lab contribue également au financement de leur enquête.
Ce rapport est publié sous la forme d’un court article de synthèse par l’équipe Marktechpost basé principalement sur le document d’enquête’Résistances programmables protoniques nanosecondes pour le mastering profond analogique‘. Toutes les cotes de crédit pour cette exploration vont aux scientifiques de cette entreprise. Consultez le article et publication de référence. Assurez-vous de ne jamais ignorer de faire partie de Notre sous-reddit ML 
Khushboo Gupta est consultant stagiaire chez MarktechPost. Elle poursuit actuellement son B.Tech de l’Institut indien d’innovation technologique (IIT), Goa. Elle est passionnée par les domaines de l’apprentissage automatique, du traitement du langage pur et de l’amélioration nette. Elle aime en apprendre davantage sur l’industrie technologique en participant à plusieurs numéros.
Évaluer ce post
Partager c’est s’engager !
