சயின்ஸ் டெக் பல்ஸ்
தொழில்நுட்பம்

AI நினைவகத்தின் மின்சாரப் பயன்பாட்டை ஆயிரம் மடங்கு குறைக்கும் புதிய முறை

எடின்பரோ பல்கலைக்கழக ஆய்வாளர்கள் உருவாக்கிய ஒரு கணிதவியல் முறை, காந்த நினைவக மாற்றத்திற்கு தேவையான ஆற்றலை சிமுலேஷன்களில் 0.94 நானோஜூல் அளவுக்குக் குறைத்துள்ளது — வழக்கமான முறைகளை விட மிகக் குறைவு — இது AI-யின் அதிகரித்து வரும் மின் தேவையை தணிக்கலாம்.

எதிர்கால காந்த நினைவகங்களில் தகவல் பதிவு செய்யத் தேவையான ஆற்றலைக் கணிசமாகக் குறைக்கும் நோக்கில் எடின்பரோ பல்கலைக்கழக ஆய்வாளர்கள் ஒரு கணிதவியல் அமைப்பை (mathematical framework) உருவாக்கியுள்ளனர் — இது செயற்கை நுண்ணறிவு (AI) நுகரும் அதிகரித்து வரும் மின் தேவையைக் குறைப்பதற்கான ஒரு வழியாக இருக்கக்கூடும். பல்கலைக்கழகத்தின் ஒடுக்கப்பட்ட நிலை இயற்பியல் மற்றும் சிக்கல் அமைப்புகள் நிறுவனத்தைச் சேர்ந்த டாக்டர் எல்டன் சாண்டோஸ் தலைமையிலான இந்த ஆய்வு, அட்வான்ஸ்டு மெட்டீரியல்ஸ் இதழில் வெளியிடப்பட்டுள்ளது.

காந்த நினைவகம், சிறு காந்தப் பகுதிகளின் திசையைக் கட்டுப்படுத்துவதன் மூலம் தகவலைச் சேமிக்கிறது; இரண்டு நிலைகளுக்கு இடையே மாற்றுவது ஒரு டிஜிட்டல் '0' அல்லது '1'-ஐக் குறிக்கும். அந்த மாற்றத்தை நிகழ்த்த பயன்படுத்தப்படும் வழக்கமான காந்தப்புல தூண்டல்கள் பெரும்பாலும் திறனற்றவை — அதிக ஆற்றலைச் செலவழிக்கின்றன, மேலும் கருவிகள் சிறிதாகும்போது மிகச் சிறிய பகுதிகளை மட்டும் துல்லியமாக இலக்குவைக்கவும் சிரமப்படுகின்றன. எடின்பரோ குழு, 'ஆப்டிமல் கண்ட்ரோல் தியரி' (ஒரு அமைப்பை விரும்பிய நிலைக்கு மிகச் சிறந்த வழியில் கொண்டு செல்வதற்கான கணிதவியல் முறை) எனும் நுட்பத்தைப் பயன்படுத்தி, ஒரு நிலையான புல் தூண்டலைப் பயன்படுத்துவதற்குப் பதிலாக, குறைந்தபட்ச ஆற்றலில் ஒரு பிட்டை மாற்ற காந்தப்புலம் ஒவ்வொரு கணமும் எவ்வாறு மாற வேண்டும் என்பதைக் கணக்கிட்டனர்.

'வேன் டெர் வாலிஸ் காந்தங்கள்' எனப்படும் அதிமெல்லிய மூன்று பொருட்களான Fe3GaTe2, Fe3GeTe2, CrSBr ஆகியவற்றின் கணினி சிமுலேஷன்களில், மேம்படுத்தப்பட்ட தூண்டல்கள் தோராயமாக 1 முதல் 10 பிக்கோசெகண்டுகளில் (ஒரு பிக்கோசெகண்ட் என்பது நொடியில் ஒரு டிரில்லியனில் ஒரு பங்கு) காந்தமயமாக்கலை மாற்றின, மேலும் வழக்கமான முறைகளை விட 10 மடங்குக்கும் மேலாக பலவீனமான புலங்களைப் பயன்படுத்தின. சிமுலேஷன்களில் மாற்றத்திற்கு 0.94 நானோஜூல் அளவு ஆற்றல் மட்டுமே தேவைப்பட்டது; வழக்கமான புல தூண்டல்களுக்கு இது 91.2 நானோஜூல் வரை இருந்தது. பொருளின் காந்த சுழல்கள் நகரும் விதத்தை நிர்ணயிக்கும் பண்புகளை சரிசெய்வதன் மூலம், மாற்று ஆற்றல் இறுதியில் ஃபெம்டோஜூல் (ஜூலில் ஒரு குவாட்ரில்லியனில் ஒரு பங்கு) அளவுக்குக் குறையக்கூடும் என ஆய்வாளர்கள் கணக்கிடுகின்றனர்.

நிறுவப்பட்ட நினைவக தொழில்நுட்பங்களுடன் ஒப்பிடும்போது, மேம்படுத்தப்பட்ட மாற்று முறை ஆற்றல் பயன்பாட்டை பல மடங்கு (orders of magnitude) குறைக்கலாம் என்றும், இது தகவல் ஒரு பிட்டை அழிக்கும்போது இயற்பியல் அனுமதிக்கும் குறைந்தபட்ச ஆற்றல் எல்லையான 'லாண்டவர் எல்லைக்கு' (Landauer limit) நெருக்கமாகக் கொண்டு செல்லலாம் என்றும் விரிவான மாதிரியாக்கம் காட்டுவதாக ஆய்வாளர்கள் தெரிவிக்கின்றனர். இதே கணிதவியல் அணுகுமுறையை மின்னோட்டங்கள் மற்றும் எதிர்கால நினைவக, ஸ்பின்ட்ரானிக்ஸ் கருவிகளுக்காக ஆராயப்படும் அதிவேக லேசர் தூண்டல்களுக்கும் தகவமைக்க முடியும் என சாண்டோஸ் கூறினார்.

சொல் விளக்கம்

இதுவரை நடந்தது

  1. அல்சைமர், பார்கின்சன், MND சிகிச்சைக்கு புதிய வழி திறக்கும் AI வடிவமைத்த இன்ட்ராபாடிகள்
  2. "உலோகக் கண்ணாடியை" மேம்படுத்த ISS-இல் உருக்கிய உலோகத்தை மிதக்க வைக்கும் சார்லாந்து குழு
  3. 448 ஆய்வுக் கட்டுரைகளை மைனிங் செய்து புதிய வெப்ப-நிலையான, ஈயமில்லா பொருள் கண்ட AI
  4. 30 ஃபெம்டோசெகண்டில் தோன்றும் மறைந்த மின்னணு நிலை: ஜப்பான் கண்டுபிடிப்பு
  5. தடுப்பூசி போடும் முன்பே அதற்கான பதிலை AI கணிக்கக்கூடும்
  6. AI ஒரு மருந்தை வடிவமைக்கும்போதும், காப்புரிமையில் பெயர் பெறுவது மனிதரே
  7. AI நினைவகத்தின் மின்சாரப் பயன்பாட்டை ஆயிரம் மடங்கு குறைக்கும் புதிய முறை
#AI#magnetic memory#energy efficiency#materials science#University of Edinburgh
இச்செய்திக்கு மதிப்பிடுங்கள்

தொடர்புடைய செய்திகள்