俄勒冈州立大学工程学院的一名研究人员为新型人工智能芯片的开发做出了贡献，该芯片的能效比目前的行业标准提高了六倍。随着人工智能使用量的激增，其所需的能源量也在增加。预测显示，到 2027 年，人工智能将占全球能源消耗的一半--每年消耗的能源相当于整个荷兰。
电子工程与计算机科学助理教授 Sieun Chae 正致力于帮助减少该技术的电力消耗。她正在研究一种基于新型材料平台的芯片，这种芯片可以同时进行计算和数据存储，模仿生物神经网络处理信息存储和处理的方式。
她的研究成果最近发表在《自然电子学》上。
"随着人工智能的出现，计算机不得不快速处理和存储大量数据，"Chae 说。"人工智能芯片的设计目的是在内存中计算任务，从而最大限度地减少数据在内存和处理器之间的穿梭；因此，它们可以更高效地执行人工智能任务。"
这些芯片采用的元件被称为忆阻器（memristors）--记忆电阻器的简称。大多数忆阻器由两种元素组成的简单材料系统制成，但这项研究中的忆阻器采用了一种称为熵稳定氧化物（ESO）的新型材料系统。ESO由半数以上的元素组成，可以对其记忆能力进行微调。
Memristors 与生物神经网络类似，都没有外部记忆源，因此数据从内部移动到外部再返回时不会损失能量。Chae说，通过优化最适合特定人工智能工作的ESO成分，基于ESO的芯片在执行任务时的能耗远远低于计算机的中央处理单元。
另一个结果是，人工神经网络将能够处理随时间变化的信息，如音频和视频数据，这要归功于调整了 ESO 的组成，使设备能够在不同的时间尺度上工作。
这项研究由美国国家科学基金会资助，由密歇根大学的研究人员领导；Chae 在加入俄勒冈州立大学教师队伍之前，作为密歇根大学的博士生参与了这项研究。
参与合作的还有俄克拉荷马大学、康奈尔大学和宾夕法尼亚州立大学的研究人员。
编译自/scitechdaily