AIコンピューティングの今後の方向性は「ウォーターチップ」か？

ニューラルネットワークコンピューティングの将来は、私たちが予想していたよりも悪いかもしれません - 電気を使用する固体チップではなく、水に浸されることになります。

最近、ハーバード大学工学応用科学大学院 (SEAS) と新興企業 DNA Script で構成されるチームが、水溶液中のイオンの動きに基づいたプロセッサーの開発に成功しました。

物理学者は、このようなデバイスは脳の情報伝達方法に近いため、脳をヒントにしたコンピューティングの次のステップとなる可能性があると考えています。

「水溶液中のイオン回路は、信号処理のための電荷担体としてイオンを使用する」と研究者らは論文で述べている。 「私たちは水ベースのイオン回路を提案しました...アナログ計算が可能なこの機能的イオン回路は、より複雑な水ベースのイオンへの一歩です

この研究は、材料科学ジャーナルの最新号に掲載されました。」先進的な材料。

論文: https://onlinelibrary.wiley.com/doi/epdf/10.1002/adma.202205096

スマートフォンからクラウドサーバーまでのチップが固体半導体で作られていることはわかっています 電子を操作する計算タスクを実行することは、生き物の仕組みと同じではありません。

脳内の信号伝達の主な部分は、液体媒体中でのイオンと呼​​ばれる荷電分子の動きです。脳の驚異的な処理能力を人工的に再現することは困難ですが、科学者たちは、コンピュータでも同様のシステム、つまり水溶液中でイオンを運ぶことができると考えています。

このアプローチは、媒体が変更されたため、従来のシリコンベースのコンピューティングよりも遅くなりますが、いくつかの興味深い利点がある可能性があります。たとえば、イオンはさまざまな分子から生成でき、それぞれが異なる特性を持ち、さまざまな方法で利用できます。

しかし、まず科学者はそれが実際に機能することを証明する必要があります。

ハーバード大学の物理学者、Woo-Bin Jung 率いるチームがこの方向に取り組んでいます。コンピューターを構築する最初のステップは、信号を切り替えたり強化したりするデバイスである機能性イオン トランジスタを設計することです。彼らの最新の進歩には、何百ものトランジスタをイオン回路に結合することが含まれています。

このトランジスタは、中央に小さな円盤状の電極があり、それを囲む 2 つの同心円状のリング状の電極を備えた「ブルズアイ」配置の電極で構成されています。これはキノン分子の水溶液と接触します。使用すると、中央のディスクに電圧が印加され、キノン溶液中に水素イオン電流が発生します。同時に、2 つのリング電極が溶液の pH を調整し、それによってイオン電流を増減させます。

チップ（左）、中央（中央）に数百個のトランジスタのアレイ（右）があります。

キノンは、共役シクロヘキサジエンジオンまたはシクロヘキサジエンジメチレン構造を含む有機化合物の一種であり、この物質に基づくトランジスタは「重みパラメータとディスク電圧の物理的乗算によりイオン電流の答えを生成します」

「生物学的コンピュータ」という概念は、現在のコンピュータで使用されている半導体チップや記憶媒体の代わりに生物学的材料を使用することを指しますが、これはコンピュータの将来のもう一つの主要な方向である量子コンピューティングの範囲外であると考えられています。しかし、これまでの研究の多くは、そのようなデバイスを多数含む回路ではなく、個々のイオン ダイオードやトランジスタに焦点を当てていました。

非常に高い計算能力を必要とする現在のニューラル ネットワークは、複数の乗算を伴う行列乗算演算に大きく依存しています。そこでチームは、それぞれが乗算可能なトランジスタの 16 × 16 アレイを設計し、行列乗算を実行できるイオン回路を作成しました。これらは相補型金属酸化膜半導体 (CMOS) 電子チップの表面に実装され、それによって動作します。

研究者らは、物理演算またはシミュレートされた積和演算 (MAC) 演算を実行することにより、このアレイレベルのイオン回路の実用性を実証しました。物理現象に基づくアナログ MAC 演算 - 多くのデジタル論理ゲートとブール代数に基づくデジタル MAC 演算とは対照的に、新しい方法は人工ニューラル ネットワークの消費電力を削減する方向をもたらします。

イオントランジスタの回路図。

各クロスポイントのコンダクタンスはネットワークのシナプス重みとして機能するため、アレイの行に供給される入力電圧はオームの法則によって重みで乗算され、その結果生じる電流はキルヒホッフの法則に従って各列に蓄積されます。したがって、各列電流は、入力データ ベクトルと列のシナプス重みベクトルの間のドット積として物理的に生成されます。

各イオントランジスタでは、印加電圧 Vin の電流 Iout が Ig によってゲートされ、Iout = W × Vin となる Vin の領域を見つけることができ、比例定数または重み W は Ig によって調整できます。この領域では、イオン トランジスタは重みと入力電圧の間で物理的な乗算を実行します。

乗算と累積の演算。

「行列乗算は、人工知能ニューラルネットワークで最も一般的に使用される計算であり、私たちのイオン回路は、完全な電気化学機械シミュレーションで水中で行列乗算を実行します」と Woo-Bin Jung 氏は述べています。

もちろん、このテクノロジーには現在、操作を同時にではなく順番に実行する必要があるため、メソッドの速度が大幅に低下するなど、重大な制限があります。

しかし、研究チームは、次のステップは速度を上げることではなく、より広範囲の分子をシステムに導入することであると考えています。これまでのところ、研究チームは、水性イオントランジスタのゲート制御とイオン輸送を実現するために、水素イオンやキノンイオンなど、3 つまたは 4 つのイオン種のみを使用しています。この研究では、より複雑なイオン計算を完了し、回路でより複雑な情報を処理できるようにすることを試みています。

研究チームは次のように指摘しました: この研究の最終目標は、イオン技術を使用して電子製品と競合したり置き換えたりすることではなく、ハイブリッド技術を使用して互いの長所を補完することです。

以上がAIコンピューティングの今後の方向性は「ウォーターチップ」か？の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。