人工知能の機械学習は多くのコンピューティング能力とエネルギーを必要とするため、通常はデータセンターがサポートするクラウドで完了します。しかし、新しいタイプのマイクロトランジスタは既存の技術よりもエネルギー効率が 100 倍高く、モバイルおよびウェアラブル デバイスに新たなレベルのインテリジェンスが期待されます。ノースウェスタン大学の研究者らは、新しいナノ電子デバイスについて説明した論文を Nature Electronics 誌に発表しました。これは、多くの機械学習システムのバックボーンである大量のデータを分析し、重要なビットにラベルを付けようとする分類タスクを実行するように設計されています。
この研究の主著者であるノースウェスタン大学のマーク・C・ハーサム氏は、「現在、ほとんどのセンサーはデータを収集し、クラウドに送信し、エネルギーを大量に消費するサーバーで分析し、最終的に結果をユーザーに送り返す。このアプローチは法外に高価で、膨大なエネルギーを消費し、時間遅延も増える。当社のデバイスは非常にエネルギー効率が高く、ウェアラブル電子機器に直接導入してリアルタイムの検出とデータ処理を行うことができ、健康上の緊急事態へのより迅速な介入が可能になる」と述べた。
既存のトランジスタは通常シリコンで作られていますが、これらの新しいトランジスタは二硫化モリブデンの二次元シートと一次元カーボンナノチューブで作られています。このトランジスタの構造により、オンザフライで迅速に調整および再構成できるため、データ処理チェーンの複数のステップで使用できますが、従来のトランジスタは各ステップのうち 1 つのステップしか実行できません。
「2 つの異なる材料を 1 つのデバイスに統合することで、印加電圧を使用して電流の強力な変調を実現でき、動的な再構成が可能になります」と Hessam 氏は説明しました。 「単一デバイスの高い調整機能により、複雑な分類アルゴリズムを小さな設置面積と低エネルギー消費で実行できます。」
研究者らはテストで、これらの小さな「ハイブリッドコアヘテロ接合トランジスタ」を訓練して、公開されている心電図データセットを分析し、正常、早発心房複合体、早発心室複合体、ペースメーカー、左脚ブロック、右脚ブロックという6つの異なるタイプの心拍をラベル付けした。
その結果、10,000 個の心電図サンプルにおいて、研究者らは 2 つのマイクロ トランジスタのみを使用して異常な心拍を 95% の精度で正しく分類することができました。一方、現在の機械学習方法では 100 以上の従来のトランジスタが必要で、使用するエネルギーは従来の方法のわずか 1% です。
それはどういう意味ですか？このテクノロジーが製品化されると、いつになるかはまだわかりませんが、小型、軽量、バッテリー駆動のモバイル デバイスは、自身のセンサー データに対して機械学習人工知能を実行するためのインテリジェンスを獲得することになります。これは、分析のために大量のデータをクラウドに送信する必要があるデバイスよりも早く結果を見つけることができることを意味しますが、収集した個人データがローカルでプライベートで安全なままであることも意味します。
このデバイスがポータブルデバイスにのみ適しているのか、ビデオデータを処理できるのか、あるいはその取り組みがより大型の機械学習や人工知能デバイスに波及する可能性があるのかは不明である。たとえば、消費電力が 100 分の 1 に削減されれば、大規模なモデルのトレーニングが大幅に改善されます。
世界的な企業が非常に大規模な言語モデルとマルチモーダル人工知能のトレーニングを急いでいる中、エネルギー消費とそれに関連する排出量が急増しています。 2021 年現在でも、Google のエネルギー予算全体の 10 ～ 15% が人工知能に費やされており、確かにこの割合は大幅に増加しています。もしある企業が、NVIDIA のエネルギーのわずか 1% を使用しながら、NVIDIA のトップ AI カードのパフォーマンスに匹敵するチップを製造できれば、その企業はおそらくうまくいくでしょう。
それはありそうにありません。チームはプレスリリースでモバイルデバイスについて話すことにこだわっています。しかし、コンピューター インテリジェンスはさらに一歩前進し、よりスマートなデバイスの新たな波が到来する可能性があります。変化のペースは加速し続けています。
この研究は Nature Electronics 誌に掲載されました。