Ionigeelistä ja grafeenista tekoälyä koneoppimislaskelmiin

22.01.2026

NIMS-Tokio-ja-Kobe-AI-grafeeni-ja-ionigeeli-400-t.jpgViime vuosina koneoppimisteknologioiden, joita edustavat syväoppiminen ja generatiivinen tekoäly (AI), virrankulutus on kasvanut eksponentiaalisesti, mikä on luonut vakavan yhteiskunnallisen haasteen. Tämän ongelman ratkaisemiseksi kasvaa kysyntä tekoälylaitteille, joilla on alhainen virrankulutus ja korkea laskentateho.

"Fyysiset säilöt" – tekoälylaitteet, jotka suorittavat tehokasta aivojen inspiroimaa tiedonkäsittelyä, jota kutsutaan säilölaskennaksi – ovat herättäneet huomiota alhaisen laskentakuorman (vaadittu määrä kertolaskuoperaatioita) ja alhaisen virrankulutuksensa ansiosta, mutta niiden vaatimattomampi laskentateho verrattuna ohjelmistojen prosessointiin on ollut haittapuoli.

National Institute for Materials Science (NIMS), Tokion tiedeyliopiston ja Koben yliopiston tutkimusryhmä kehitti ioneja hyödyntävän fyysisen säilölaitteen, joka saavutti syväoppimiseen verrattavan korkean laskennallisen suorituskyvyn ja samalla vähensi laskentakuormaa suuruusluokittain.

Yhdistämällä grafeenia, jolla on korkea elektronien liikkuvuus ja ambipolaarinen käyttäytyminen, ja ionigeeliä, monimutkaisten vuorovaikutusten kautta kehittyy erilaisia vasteita eri nopeuksilla (ionit ja elektronit liikkuvat eri tavoin), mikä mahdollistaa laitteen reagoinnin tulosignaaleihin aikavakioilla (muutosnopeuksilla), jotka vaihtelevat erittäin laajalla alueella.

Laite osoitti perinteisten fyysisten säiliöiden joukossa korkeimman tason laskennallista suorituskykyä, joka on verrattavissa ohjelmistolla suoritettavaan syväoppimiseen, samalla kun se onnistui vähentämään laskentakuormaa noin 1/100:aan (kuva).

Jatkossa tutkimusryhmän tavoitteena on kehittää tässä tutkimuksessa hankitun laitteen avulla erittäin vähän virtaa kuluttava reunalaskennan tekoälylaite, joka kykenee suorituskykyiseen ja tehokkaaseen tiedonkäsittelyyn.

Aiheesta aiemmin:

Laserpohjainen keinoneuroni on erittäin nopea

Uusi koneoppimisalgoritmi lupaa edistystä tietojenkäsittelyssä

Säilölaskentaa molekyyleillä ja keinolihaksilla

11.02.2026Suprajohteiden faasimuutokset hallitsevat säteilylämmönsiirtoa
10.02.2026Terahertsivalo mikroskooppisiin mittoihin
10.02.202615 000 pisteen kvanttisimulaattori
10.02.2026Miten suprajohtavuus syntyy: Uusia oivalluksia moiré-materiaaleista
09.02.2026Muistissa laskentaa molekyylielektroniikalla
09.02.2026Uudentyyppinen magnetismi löydetty 2D-materiaaleista
09.02.2026Fotonisiruille kuitumaista suorituskykyä
07.02.2026Proteiinikokkareet voivat tuottaa sähköä
06.02.2026Uusi lähestymistapa seuraavan tason kvanttilaskentaan
06.02.2026Kosteudenkestävä vetyanturi

Siirry arkistoon »