.fb-comments,.fb-comments span,.fb-comments span iframe[stílus]{min-width: 100%!fontos;width:100%!important}
Az egyre bonyolultabb neurális közösségtípusok gyakorlásához szükséges összes idő, kemény munka és eszközök száma egyre növekszik, mivel jelenleg több eszközfelderítő kísérletet végeznek. Ennek leküzdésére a szintetikus intelligencia vadonatúj osztálya, az „analóg mélytanulás” néven növekszik. Gyorsabb feldolgozást igényel, sokkal kevesebb vitalitás fogyasztás mellett. Ahogy a tranzisztorok az elektronikus PC-k fontos elemei, a programozható ellenállások az analóg mélytanulás alapvető alkotóelemei. A tudósok analóg szintetikus „neuronokból” és „szinapszisokból” álló hálózatot alkottak meg, amely ugyanúgy képes számításokat végezni, mint egy digitális neurális hálózat, a programozható ellenállások bonyolult rétegekben történő következetes ismétlésével. Ezt követően ez a közösség esetleg olyan bonyolult mesterségesintelligencia-feladatokkal oktatható, mint a képfelismerés és a természetes nyelvi feldolgozás.
Az MIT válogatott tudósaiból álló csapat célja egy bizonyos típusú szintetikus analóg szinapszis ütemének felgyorsítása, amelyet korábban előállítottak.. Az előállítási módszerben egy fontos szervetlen vegyületet használtak fel, hogy a berendezéseiket egymillió pillanattal megnöveljék a korábbi iterációk körül, körülbelül egymillió pillanattal gyorsabban, mint az emberi agy szinapszisai. Ez a szervetlen rész is hozzájárul az ellenállás kivételes energiahatékonyságához. Az új anyagok megfelelnek a szilíciumgyártási technikáknak, megkülönböztetve az egységük korábbi iterációjában használt anyagoktól. Ez a módosítás lehetővé tette nanométeres méretű termékek gyártását, és megnyithatja az ajtót a kereskedelmi számítástechnikai komponensekbe való beépítésük előtt a mélyreható alkalmazásokhoz.
Két alapvetően jó ok miatt az analóg mélytanulás sokkal több gyorsabb és extra hatékony, mint a digitális kiadása. Az elsődleges elem az, hogy a számításokat a memóriában hajtják végre, megakadályozva, hogy nagy mennyiségű tény folyamatosan a memóriából a processzorba kerüljön. Az analóg processzorok párhuzamos eljárásokat is végrehajtanak. A protonikus programozható ellenállás az MIT új analóg processzortechnológiáinak fő összetevője. Az analóg gépi kiderítés ezzel az új processzorral lehetséges a protonikus ellenállások eltérő elektromos vezetőképességével. A megértés az emberi agyban a szinapszisok, az idegsejtek közötti kapcsolatok erősödése és gyengülése miatt megy végbe. Tekintettel a kezdetekre, a mély neurális hálózatok ezt az analógiát használták, amelyben oktatási technikákat alkalmaznak a közösségi súlyok stílusára és tervezésére.
A protonok mozgása szabályozza a vezetőképességet. A vezetőképesség növeléséhez szükséges protonokat elektrolit vezeti. Ahhoz, hogy egy programozható protonikus ellenállást készítsenek, amely nagyon rövid és nagyon energiahatékony, a személyzet különböző termékeket vizsgált az elektrolit számára. A szervetlen foszfoszilikát üveget (PSG), lényegében szilícium-dioxidot, végül úgy döntöttek a munkatársak. Ez a kiváló megbízható elektrolit erre a célra, mert szobahőmérsékleten szilárd proton vezetőképességet mutat a víz előfeltétele nélkül. Egyszerűen azért, mert a PSG-nek sok nanométer méretű pórusa van, amelyek felülete a proton diffúzió útja, lehetővé teszi a gyors protonszállítást.
Emellett nagyon lenyűgöző, impulzusos elektromos mezőket is elvisel. Az ellenállás produktívan fut milliónyi cikluson keresztül anélkül, hogy meghibásodna, mivel a protonok nem károsítják az anyagokat, így millió pillanattal gyorsabban keresik, mint a legutolsó kütyük. Ezenkívül kiválóan tud működni környezeti hőmérsékleten, így alkalmas a számítástechnikai modulokba való integrálásra.
Az ellenállástömb jellemzőinek megismerésével és azok felskálázásával, hogy beágyazhatók legyenek az eszközökbe, a tudósok újratervezik a programozható ellenállások a kiváló volumenű gyártáshoz, rövid időn belül. Ezenkívül tanulmányozni kívánják a termékeket annak érdekében, hogy felszámoljanak minden olyan akadályt, amely leállítja a protonok hatékony átviteléhez szükséges feszültséget az elektrolitba, az elektrolit eredményeként és onnan történő kivezetéséhez. A kutatók úgy gondolják, hogy a hosszú távú innováció nagymértékben támaszkodik a tanulmányukra. Elfogadják, hogy az út előre bonyolult lesz, de meglehetősen optimisták a potenciális ügyfelekkel kapcsolatban. Az MIT-IBM Watson AI Lab is hozzájárul a vizsgálatuk finanszírozásához.
Ezt a jelentést a Marktechpost csapata egy összefoglaló rövid cikkként tette közzé, amely főként a „Nanoszekundumos protonikus programozható ellenállások analóg mély masteringhez‘. A feltárás összes hitelminősítése a vállalkozás tudósaihoz tartozik. Tekintse meg a papírt és a referencia közzététel. Gondoskodjon róla, hogy soha ne hagyja figyelmen kívül, és legyen része az ML Subredditünknek 
Khushboo Gupta tanácsadó gyakornok a MarktechPostnál. Jelenleg a goai Indiai Technológiai Innovációs Intézetben (IIT) folytatja B.Tech diplomáját. Szenvedélye a gépi tanulás, a tiszta nyelvi feldolgozás és a hálózatfejlesztés. Szívesen tanul meg többet a technológiai iparról azáltal, hogy több számban is részt vesz.
Értékelje ezt a bejegyzést
A megosztás gondoskodás!
