В последние годы энергопотребление технологий машинного обучения, представленных глубоким обучением и генеративным искусственным интеллектом (ИИ), экспоненциально возросло, создав серьезную социальную проблему. Для решения этой проблемы растет спрос на устройства ИИ с низким энергопотреблением и высокой вычислительной производительностью.

«Физические резервуары» — устройства искусственного интеллекта, которые эффективно обрабатывают информацию, подобно работе мозга, и называются резервуарными вычислениями, — привлекли внимание благодаря низкой вычислительной нагрузке (необходимому количеству операций умножения-накопления) и низкому энергопотреблению, однако их более низкая вычислительная производительность по сравнению с программной обработкой является недостатком.

Исследовательская группа из NIMS, Токийского университета науки и техники и Университета Кобе разработала физическое резервуарное устройство, использующее ионы, которое достигло высокой вычислительной производительности, сравнимой с глубоким обучением, при этом значительно снизив вычислительную нагрузку. Результаты их исследования опубликованы в журнале ACS Nano.

Сочетание графена, обладающего высокой подвижностью электронов и амбиполярным поведением, и ионного геля позволяет получать различные отклики с разной скоростью (ионы и электроны движутся различными способами) посредством сложных взаимодействий, что дает устройству возможность реагировать на входные сигналы с постоянными времени (скоростью изменения), изменяющимися в чрезвычайно широком диапазоне.

Устройство продемонстрировало наивысший уровень вычислительной производительности среди традиционных физических резервуаров, сравнимый с производительностью глубокого обучения, выполняемого с помощью программного обеспечения, при этом сумев снизить вычислительную нагрузку примерно в 100 раз.