Khi vi mạch truyền thống gặp giới hạn và AI tiêu thụ nhiều năng lượng, các nhà khoa học tìm ý tưởng từ bộ não. Dự báo cho thấy lượng điện dùng cho trung tâm dữ liệu chạy AI sẽ tăng gấp đôi vào cuối thập kỷ, đặt câu hỏi về thiết kế phần cứng bền vững hơn.
Nhóm của Suchi Guha tại University of Missouri đang phát triển phần cứng mô phỏng thần kinh, tức các thiết bị giống khớp nối thần kinh (synap). Những transistor hữu cơ này lưu trữ và xử lý thông tin ở cùng một chỗ, khác với kiến trúc vi mạch hiện nay nơi dữ liệu phải di chuyển giữa bộ nhớ và bộ xử lý, gây chậm và tốn năng lượng.
Trong thử nghiệm, các nhà nghiên cứu thấy nhiều vật liệu hữu cơ trông giống nhau, nhưng khi chế tạo thành transistor dạng synap thì hiệu suất khác nhau nhiều. Yếu tố then chốt là giao diện, tức ranh giới mỏng giữa chất bán dẫn và lớp cách điện. Kết quả đưa ra nguyên tắc thiết kế cho phần cứng neuromorphic và có thể giúp AI học hiệu quả hơn với mức tiêu thụ năng lượng thấp hơn. Công trình được công bố trên ACS Applied Electronic Materials với đồng tác giả từ Mizzou và Hamad Bin Khalifa University.
Từ khó
- vi mạch — mạng mạch điện nhỏ trong máy tính
- tiêu thụ — dùng hoặc hao phí năng lượngmức tiêu thụ
- phần cứng — phần vật lý của máy tính, thiết bịphần cứng neuromorphic
- mô phỏng thần kinh — thiết kế bắt chước hoạt động của não
- transistor hữu cơ — thiết bị bán dẫn làm từ vật liệu hữu cơ
- giao diện — bề mặt hoặc ranh giới giữa hai vật
- chất bán dẫn — vật liệu dẫn điện một cách trung gian
- hiệu suất — khả năng hoạt động hoặc làm việc hiệu quả
Mẹo: di chuột, dùng phím Tab hoặc chạm vào các từ được tô sáng trong bài để xem định nghĩa nhanh ngay khi bạn đọc hoặc nghe.
Câu hỏi thảo luận
- Bạn nghĩ việc phát triển phần cứng tiêu thụ ít năng lượng sẽ ảnh hưởng thế nào đến hoạt động của trung tâm dữ liệu?
- Bạn có những cách nào đơn giản để giảm tiêu thụ năng lượng khi dùng các ứng dụng AI hàng ngày?
- Bạn thấy ưu và nhược điểm của việc mô phỏng thần kinh trong máy tính là gì?
