Створено «хамелеонний» ШІ-чип, який змінює швидкість реакції під різні потоки даних
Штучний інтелект дедалі частіше працює не зі статичними зображеннями, а з потоками інформації, де події відбуваються з різною швидкістю. Рух автомобіля, жести людини, сигнали сенсорів або зміни в роботі промислового обладнання можуть містити одночасно дуже швидкі й повільні процеси. Дослідники KAIST створили напівпровідниковий елемент, який здатний апаратно підлаштовувати власну часову реакцію під такі сигнали.
Розробку назвали програмованим динамічним мемтранзистором. Мемтранзистор поєднує властивості пам’яті та транзистора: він не лише пропускає й модулює струм, а й зберігає інформацію про попередній стан. У новому пристрої цю особливість використали для керування тим, наскільки швидко електричний сигнал повертається до початкового рівня після впливу.
Чому швидкість реакції має значення
У звичайному апаратному елементі характерна швидкість відповіді фактично задається під час виготовлення. Якщо дані надходять з іншою часовою структурою, доводиться компенсувати це програмними обчисленнями, попередньою обробкою або складнішою нейромережевою архітектурою. Це збільшує навантаження на процесор і витрати енергії.
Команда KAIST додала в транзистор двошарову внутрішню структуру. Один шар накопичує заряд і бере участь в обробці сигналу, тоді як інший містить пастки для електронів та керує швидкістю відновлення стану. Завдяки цьому одну й ту саму фізичну комірку можна налаштовувати на різні часові масштаби, а вибраний режим зберігається без постійного живлення.
У дослідах час відновлення струму вдалося змінювати приблизно в п’ять разів, а характерну частоту — більш ніж у десять разів. Це дало змогу сформувати масив елементів із різними типами реакції й обробляти складні послідовності без необхідності перетворювати все завдання на програмні операції.
Помилка прогнозу зменшилася до 40 разів
Найпоказовішим тестом стали дані, у яких швидкі та повільні зміни були змішані. Коли характеристики мемтранзисторів підбирали відповідно до часової структури сигналу, помилка прогнозування в окремих сценаріях була до 40 разів меншою, ніж у пристроїв із фіксованою швидкістю відповіді. Дослідники також зібрали інтегрований масив і продемонстрували точність, співставну з програмними рішеннями, але з нижчими енергетичними витратами.
Такий підхід може бути особливо корисним у системах, які мають реагувати на події без затримки. В автономному транспорті одночасно змінюються траєкторії багатьох об’єктів; у роботів швидкість руху залежить від ситуації; у носимих пристроях біосигнали мають різну частоту. Апаратна здатність «підлаштовувати відчуття часу» може дозволити виконувати частину аналізу ближче до сенсора.
Водночас це поки дослідницька технологія, а не готовий процесор для смартфона чи автомобіля. Її важливо інтегрувати з більшими схемами, перевірити стабільність у тривалій роботі та оцінити переваги в реальних алгоритмах. Сильна сторона розробки полягає в сумісності з матеріалами й підходами, близькими до сучасного напівпровідникового виробництва, що полегшує подальші експерименти з масштабуванням.
