Halos gaano karaming porsyento ang maaaring maibawas ng brain-inspired chip na ito sa paggamit ng enerhiya ng mga sistema ng AI?

Gumawa ang koponan ng Cambridge ng memristor mula sa hafnium oxide, isang bahagi na nagbabago ang resistensya nito batay sa naunang daloy ng kuryente, na nag-iimbak at nagpoproseso ng datos sa iisang lugar sa halip na paulit-ulit itong ipasa sa hiwalay na memory at processor chip. Ang disenyong ito na tinatawag na 'compute-in-memory' ay ginagaya kung paano nagpoproseso ng impormasyon ang mga neuron sa utak, at sa pagtanggal ng patuloy na paggalaw ng datos, maaaring maibaba ang paggamit ng enerhiya ng AI nang humigit-kumulang 70 porsyento.

Kulang ang mas mababang porsyentong nabanggit para tumpak na ilarawan ang laki ng pagtitipid na dulot ng approach na ito, dahil ang paglipat ng datos sa buong motherboard ay isang pangunahin, hindi maliit, na dahilan ng pagkonsumo ng enerhiya sa tradisyunal na disenyo ng chip.

Ito ay bahagi ng neuromorphic computing, isang pananaliksik na sinusubukang gawing mas katulad ng biyolohikal na utak ang hardware, na nakakagawa ng napakalaking computation gamit lamang ang bahagi ng kuryenteng ginagamit ng isang data center.