Исследователи из Университета штата Орегон разработали светочувствительное цифровое запоминающее устройство, которое объединяет функции сбора данных, памяти и обработки сигналов в одном фототранзисторе, что потенциально снижает энергопотребление будущего аппаратного обеспечения для ИИ. Устройство, разработанное в Инженерном колледже Университета штата Орегон и опубликованное в Advanced Functional Materials, также спроектировано так, чтобы имитировать важнейшую способность мозга усиливать важные воспоминания, позволяя при этом менее полезной информации со временем угасать. Новое устройство приближает обработку данных для ИИ к сенсору, избавляя от необходимости перемещать данные между отдельными аппаратными блоками, благодаря чему часть работы выполняется непосредственно в месте попадания света. «Наше оптоэлектронное устройство представляет собой новую аппаратную возможность, которая может обеспечить более эффективную обработку информации непосредственно на уровне сенсора», — заявил Ларри Чен, руководитель проекта и профессор электротехники и информатики. Современное аппаратное обеспечение для ИИ разделяет сбор данных, память и обработку — ключевые задачи, связанные с машинным восприятием — между отдельными компонентами, что требует постоянной передачи данных между ними. Эта передача потребляет энергию и снижает эффективность. Устройство Университета штата Орегон решает эту проблему, перенося некоторые функции памяти и обработки непосредственно в световой сенсор. Это достигается за счет использования фототранзистора, изготовленного из двух различных материалов. Канал транзистора, по которому течет ток, образован оксидным полупроводником. Поверх него расположен светочувствительный органический слой, который поглощает свет и генерирует электрические заряды. Когда свет попадает на устройство, часть этих зарядов оказывается запертой внутри светочувствительного слоя. Даже после того, как свет исчезает, захваченные заряды продолжают влиять на ток, протекающий через полупроводниковый канал. По сути, устройство сохраняет память о ранее обнаруженном оптическом сигнале. Хитрость заключается в том, что эта память не статична. Прикладывая небольшое напряжение на управляющий электрод, исследователи могут изменять положение захваченных зарядов относительно канала транзистора. Когда заряды перемещаются ближе к каналу, их влияние усиливается, и память сохраняется дольше. Когда они перемещаются дальше, эффект ослабевает, и память угасает быстрее. Такое поведение в общих чертах напоминает то, как биологический мозг регулирует память. В мозге химические сигналы влияют на то, будет ли память закреплена или ей позволят угаснуть. В устройстве OSU электрический сигнал выполняет аналогичную роль, обеспечивая аппаратному обеспечению программируемый срок жизни памяти. Это может быть особенно полезно для нейроморфных вычислений — области, которая занимается созданием вычислительных систем по образцу биологических нейронных сетей. Это также соответствует более широкой тенденции к вычислениям на уровне сенсора (in-sensor computing), где данные обрабатываются в момент их захвата, а не передаются на отдельные процессоры и банки памяти. Для систем машинного зрения это может означать аппаратное обеспечение, способное фильтровать, взвешивать и временно сохранять визуальную информацию до того, как она достигнет обычного процессора. Роботу, дрону, камере security или автономной системе не нужно сохранять каждый визуальный сигнал вечно. Некоторая информация должна иметь значение недолго, некоторая — дольше, а некоторая должна исчезнуть почти немедленно. «Эта светочувствительная память с программируемым сроком жизни создает настраиваемое временное окно для обработки визуальных и других сенсорных сигналов непосредственно там, где они обнаружены, — это возможность, которая может обеспечить более эффективные системы зрения и другие сенсорные технологии на базе ИИ», — отметил Чен. Исследование пока находится на уровне устройства, поэтому это не прямая замена современным ускорителям ИИ или датчикам изображения. Однако оно указывает на аппаратное обеспечение, которое может сделать будущие системы ИИ менее зависимыми от постоянного перемещения данных между сенсорами, памятью и процессорами. В случае успешного масштабирования это может помочь устройствам ИИ стать быстрее, компактнее и менее энергозатратными, особенно в периферийных системах, где энергоэффективность имеет первостепенное значение.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Etiido Uko
