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

11.09.2026Elektronien vuorovaikutuksista todellisissa kvanttimateriaaleissa
10.09.2026Superfluidipohjainen kubittisuunnittelma
09.09.2026Valo luo nanomittakaavan magnetismia
09.09.2026Erittäin ohuita materiaalipinoja kiilteen avulla
08.09.2026Uusi kubittiarkkitehtuuri mahdollistaa nopeammat ja tarkemmat toiminnot
08.09.20263D-tulostuksella parempia virtausakkujen elektrodeja
08.09.2026Wigner-kiteiden monimuotoinen fysiikka
07.09.2026Uusi monimuotoinen Hall-ilmiö
07.09.2026Ledivalot vieläkin tehokkaimmiksi
07.09.2026MEMS-peili ohjaa valoa kolmiulotteisesti

Siirry arkistoon »