0 |
Новая технология, которая может улучшить обучаемость искусственных нейронных сетей, была представлена международной группой исследователей, аффилированных с Ульсанским национальным институтом науки и технологий (UNIST) и университетом Цинхуа в Китае.
Предлагаемый метод использует «дрейф сопротивления» (рост электрического сопротивления) материала с фазовым переходом в полупроводниковой памяти при обучении. Обновления информации записываются повышением электрического сопротивления в мемристоре, который играет роль синапса и дополнительно учитывает связь между изменяемым шаблоном и тренировочными данными.
Эффективность этого метода была продемонстрирована на примере экспериментальных массивов мемристорной памяти с фазовым переходом (PCM), которые работали как нейросеть. В испытаниях на классификацию рукописного текста, состоящего из цифр от 0 до 9, такие устройства продемонстрировали эффект улучшения способности к обучению примерно на 3%. В частности, значительно возросла точность распознавания цифры 8, которую традиционно сложно классифицировать в рукописном виде. Способность к обучению улучшилась благодаря шаблону обновления синапса, который изменяется в зависимости от сложности классификации.
Важным преимуществом нового метода является то, что обучаемость может быть улучшена без дополнительных затрат энергии, поскольку сопротивление PCM возрастает самопроизвольно, из-за структурной релаксации после перехода в аморфную фазу.
Исследователи ожидают, что полученные ими результаты будут способствовать развитию алгоритмов обучения, использующих свойства мемристорных устройств, и откроют новое направление в разработке нейроморфных вычислительных чипов. Результаты этого исследования опубликованы в онлайновой версии журнала Nature Communications.
Ready, set, buy! Посібник для початківців - як придбати Copilot для Microsoft 365
0 |