שבב AI מ-KAIST שניתן לתכנות מפחית שגיאות פי 40

כשאתם מפעילים יישומי AI על הסמארטפון או חושבים על רכב אוטונומי, הבעיה הכי גדולה שעולה היא לא כוח עיבוד גולמי, אלא היכולת לעבד נתונים שמשתנים בזמן אמת – למשל, מהירויות תנועה שונות של עצמים או שינויי כתב יד. כיום, הפתרון לרוב מסתמך על תוכנה מורכבת, שצורכת המון אנרגיה וגורמת לעומסי חישוב מיותרים. אבל מה אם השבב עצמו יוכל לשנות את קצב התגובה שלו בהתאם לנתונים? זה בדיוק מה שחוקרים ממכון KAIST בקוריאה הצליחו לעשות.

הצוות, בראשות פרופסור Shinhyun Choi מבית הספר להנדסת אלקטרוניקה ובית הספר ללימודי טכנולוגיית מוליכים למחצה, חשף השבוע מכשיר חדש שנקרא Programmable Dynamic Memtransistor, או בקיצור PDM. מדובר במוליך למחצה מהדור החדש, שמשלב בין זיכרון לטרנזיסטור – מה שמאפשר לו לעבד נתונים תוך כדי שמירת מידע קודם. היתרון המרכזי? ניתן לכוון את מאפייני התגובה שלו, והוא זוכר את הכוונון גם ללא אספקת חשמל רציפה.

איך זה עובד?

הבעיה עם שבבים מסורתיים היא שמהירות התגובה שלהם קבועה ברגע שהם מיוצרים. כדי להתגבר על זה, הצוות הכניס מבנה דו-שכבתי לתוך הטרנזיסטור: שכבת אחסון מטען שצוברת ומעבדת נתונים, ושכבת לכידת אלקטרונים ששולטת, בכמה רמות, במהירות ההתאוששות של המוליך למחצה – כלומר, כמה מהר הוא חוזר למצב המקורי לאחר עיבוד הנתונים. בניסויים, הם הצליחו לכוון את זמן ההתאוששות של הזרם בטווח של פי 5, ואת התדירות האופיינית ביותר מפי 10. זה אומר שהשבב יכול להאיץ או להאט את עצמו לפי הצורך.

תוצאות שמדברות בעד עצמן

בניסויים שעסקו בחיזוי נתונים שבהם שינויים מהירים ואיטיים מעורבבים, ה-PDM הפחית שגיאות חיזוי עד פי 40 בהשוואה לשבבים עם מהירות תגובה קבועה. אם לתרגם את זה לעולם האמיתי: ביישומים כמו זיהוי כתב יד או מעקב אחר תנועת עצמים, הדיוק עולה משמעותית – מה שיכול להפוך כלי רכב אוטונומיים לבטוחים יותר ורובוטים ליעילים יותר. מעבר לכך, הצוות בנה מערך PDM ובדק אותו על חיזוי נתונים מורכבים; התוצאות הראו דיוק בר־השוואה למערכות תוכנה מסורתיות, אבל עם צריכת אנרגיה נמוכה בהרבה.

למה זה משנה לנו?

קודם כל, ה-PDM תואם לחלוטין לחומרים המשמשים בתהליכי ייצור שבבים מסחריים קיימים. זה יתרון עצום למסחור, כי אין צורך בהקמת קווי ייצור חדשים. שנית, העובדה שהוא זוכר את הכוונון ללא אספקת חשמל רציפה מפחיתה את העומסים על המערכת. אם אתם עובדים בפיתוח חומרה ל-AI, אתם יודעים כמה קריטי לאזן בין דיוק ליעילות אנרגטית – והשבב הזה מציע פשרה מעניינת.

פרופסור Choi אמר: "מחקר זה מדגים מוליך למחצה ל-AI שניתן לתכנת אותו לעיבוד יעיל של נתונים שמשתנים במהירויות שונות. אנו מצפים שזה יהפוך לטכנולוגיה מרכזית שתשפר את הביצועים של מכשירי AI כמו רכבים אוטונומיים, רובוטים ומכשירים לבישים, תוך הפחתת צריכת האנרגיה שלהם."

המחקר פורסם ביולי בכתב העת Nature Communications, בהשתתפות חוקרים מ-Samsung Electronics. עבור מי שמתעניין בצד הטכני, יש פרטים מלאים במאמר המקורי.

אז בפעם הבאה שה-AI שלכם טועה בזיהוי, אולי שבב חדש כזה יפחית את מספר הטעויות פי 40 – אבל אל תצפו שזה יופיע במכשירים שלכם בשנה הקרובה.