Výzkum umělé inteligence se stává velmi aktivním a vývoj elektronických zařízení založených na umělé inteligenci a uvádění produktů na trh se zrychluje, zejména ve věku čtvrté průmyslové revoluce. Pro implementaci umělé inteligence do elektronických zařízení by měl být podporován také vývoj hardwaru na míru. Většina elektronických zařízení pro umělou inteligenci však vyžaduje vysokou spotřebu energie a vysoce integrovaná paměťová pole pro rozsáhlé úkoly. Bylo náročné vyřešit tato omezení spotřeby energie a integrace a bylo vynaloženo úsilí zjistit, jak lidský mozek řeší problémy.
K prokázání účinnosti vyvinuté technologie vytvořila výzkumná skupina hardware umělé neuronové sítě vybavený samoupravitelným synaptickým polem a algoritmem zvaným „stashing system“, který byl vyvinut k provádění učení umělé inteligence. Výsledkem bylo, že byl schopen snížit energii o 37 % v rámci odkládacího systému bez jakéhokoli snížení přesnosti. Tento výsledek dokazuje, že emulace neuromodulace u lidí je možná.
Profesor Kim řekl: "V této studii jsme implementovali metodu učení lidského mozku pouze s jednoduchým složením obvodů a díky tomu jsme byli schopni snížit potřebnou energii o téměř 40 procent."
Tento odkládací systém inspirovaný neuromodulací, který napodobuje neurální aktivitu mozku, je kompatibilní se stávajícími elektronickými zařízeními a komerčně dostupným polovodičovým hardwarem. Očekává se, že bude použit při návrhu polovodičových čipů nové generace pro umělou inteligenci.
Tato studie byla publikována v Advanced Functional Materials v březnu 2022 a za podpory KAIST, korejské národní výzkumné nadace, národního centra NanoFab a SK Hynix.
