Terobosan Chip AI: Memristor Meniru Ketepatan Waktu Neural
Jaringan saraf tiruan dapat segera memproses knowledge yang bergantung pada waktu secara lebih efisien dengan pengembangan memristor yang dapat disetel. Teknologi ini, yang dirinci dalam penelitian yang dipimpin Universitas Michigan, dapat mengurangi konsumsi energi AI secara signifikan. Kredit: SciTechDaily.com
Di otak, ketepatan waktu dilakukan dengan neuron yang berelaksasi dengan kecepatan berbeda setelah menerima sinyal; sekarang memristor—analog perangkat keras neuron—dapat melakukan hal yang sama.
Jaringan saraf tiruan akan segera dapat memproses informasi yang bergantung pada waktu, seperti knowledge audio dan video, dengan lebih efisien. Memristor pertama dengan 'waktu relaksasi' yang dapat disetel dilaporkan hari ini di Nature Electronics, dalam sebuah penelitian yang dipimpin oleh College of Michigan.
Efisiensi Energi dan AI
Memristor, komponen listrik yang menyimpan informasi dalam hambatan listriknya, dapat mengurangi kebutuhan energi AI hingga 90 kali lipat dibandingkan dengan unit pemrosesan grafis saat ini. AI diperkirakan akan menyumbang sekitar setengah persen dari whole konsumsi listrik dunia pada tahun 2027, dan hal ini berpotensi membengkak seiring dengan semakin banyaknya perusahaan yang menjual dan menggunakan alat AI.
“Saat ini, ada banyak minat terhadap AI, namun untuk memproses knowledge yang lebih besar dan menarik, pendekatannya adalah dengan meningkatkan ukuran jaringan. Itu sangat tidak efisien,” kata Wei Lu, Profesor Teknik James R. Mellor di UM dan salah satu penulis studi tersebut bersama John Heron, profesor ilmu dan teknik materials UM.
Masalah Dengan GPU
Masalahnya adalah GPU beroperasi dengan sangat berbeda dari jaringan syaraf tiruan yang menjalankan algoritma AI—seluruh jaringan dan semua interaksinya harus dimuat secara berurutan dari memori eksternal, yang menghabiskan waktu dan energi. Sebaliknya, memristor menawarkan penghematan energi karena meniru aspek-aspek penting dari cara jaringan saraf tiruan dan biologis berfungsi tanpa memori eksternal. Sampai batas tertentu, jaringan memristor dapat mewujudkan jaringan saraf tiruan.
Inovasi dalam Bahan Memristor
“Kami mengantisipasi bahwa sistem materials baru kami dapat meningkatkan efisiensi energi chip AI enam kali lipat dibandingkan materials canggih tanpa konstanta waktu yang bervariasi,” kata Sieun Chae, seorang Ph.D. lulus dalam bidang sains dan teknik materials dan merupakan rekan penulis pertama studi ini bersama Sangmin Yoo, lulusan PhD UM baru-baru ini di bidang teknik elektro dan komputer.
Dalam jaringan saraf biologis, ketepatan waktu dicapai melalui relaksasi. Setiap neuron menerima sinyal listrik dan mengirimkannya, namun hal ini tidak menjamin bahwa sinyal akan bergerak maju. Beberapa ambang batas sinyal masuk harus dicapai sebelum neuron mengirimkan sinyalnya sendiri, dan ambang batas tersebut harus dipenuhi dalam jangka waktu tertentu. Jika terlalu banyak waktu berlalu, neuron dikatakan rileks ketika energi listrik merembes keluar darinya. Memiliki neuron dengan waktu relaksasi berbeda di jaringan saraf membantu kita memahami rangkaian peristiwa.
Bagaimana Memristor Bekerja
Memristor beroperasi sedikit berbeda. Daripada ada atau tidak adanya sinyal secara whole, yang berubah adalah seberapa banyak sinyal listrik yang melewatinya. Paparan sinyal mengurangi resistensi memristor, memungkinkan lebih banyak sinyal berikutnya yang lewat. Dalam memristor, relaksasi berarti resistensi meningkat lagi seiring waktu.
Meskipun kelompok Lu telah mengeksplorasi membangun waktu relaksasi ke dalam memristor di masa lalu, hal ini bukanlah sesuatu yang dapat dikontrol secara sistematis. Namun sekarang, tim Lu dan Heron telah menunjukkan bahwa variasi pada bahan dasar dapat memberikan waktu relaksasi yang berbeda, memungkinkan jaringan memristor meniru mekanisme ketepatan waktu ini.
Komposisi dan Pengujian Bahan
Tim membuat materials dari superkonduktor YBCO, yang terbuat dari yttrium, barium, karbon, dan oksigen. Ia tidak memiliki hambatan listrik pada suhu di bawah -292 Fahrenheit, tetapi mereka menginginkannya karena struktur kristalnya. Ini memandu pengorganisasian oksida magnesium, kobalt, nikel, tembaga dan seng dalam bahan memristor.
Heron menyebut jenis oksida ini, oksida yang distabilkan entropi, sebagai “wastafel dapur dunia atom”—semakin banyak unsur yang ditambahkan, semakin stabil jadinya. Dengan mengubah rasio oksida-oksida ini, tim mencapai konstanta waktu berkisar antara 159 hingga 278 nanodetik, atau seperseribu detik. Jaringan memristor sederhana yang mereka bangun belajar mengenali bunyi angka nol hingga sembilan. Setelah dilatih, ia dapat mengidentifikasi setiap nomor sebelum enter audio selesai.
Prospek masa depan
Memristor ini dibuat melalui proses yang intensif energi karena tim memerlukan kristal sempurna untuk mengukur sifat-sifatnya secara tepat, namun mereka mengantisipasi bahwa proses yang lebih sederhana akan berhasil untuk produksi massal.
“Sejauh ini, ini hanyalah sebuah visi, namun saya pikir masih ada jalan untuk menjadikan materials ini terukur dan terjangkau,” kata Heron. “Bahan-bahan ini berlimpah di bumi, tidak beracun, murah dan Anda hampir bisa menyemprotkannya.”
Referensi: “Pemrosesan knowledge yang efisien menggunakan memristor oksida yang distabilkan entropi merdu” oleh Sangmin Yoo, Sieun Chae, Tony Chiang, Matthew Webb, Tao Ma, Hanjong Paik, Yongmo Park, Logan Williams, Kazuki Nomoto, Huili G. Xing, Susan Trolier- McKinstry, Emmanouil Kioupakis, John T. Heron dan Wei D.Lu, 20 Mei 2024, Elektronik Alam.
DOI: 10.1038/s41928-024-01169-1
Penelitian ini didanai oleh Nationwide Science Basis. Hal ini dilakukan dalam kemitraan dengan para peneliti di Universitas Oklahoma, Universitas Cornell dan Universitas Negeri Pennsylvania.
Perangkat ini dibuat di Fasilitas Nanofabrikasi Lurie dan dipelajari di Pusat Karakterisasi Materials Michigan.
Lu juga seorang profesor teknik elektro dan komputer serta ilmu dan teknik materials. Chae sekarang menjadi asisten profesor teknik elektro dan ilmu komputer di Oregon State College.
