کاهش ۱۰۰ برابری مصرف انرژی در سیستمهای یادگیری ماشینی با حافظههای تونل کوانتومی
راهکاری بالقوه برای برطرفکردن مشکل مصرف زیاد انرژی در کارتهای مرتبط با آموزش هوش مصنوعی وجود دارد که بسیار ساده بهنظر میرسد. در این راهکار، فقط باید سیناپسهایی را تقویت کنید که الکترونها را در آرایهی حافظه حرکت میدهند. تونل زنی کوانتومی (Quantum Tunnelling) پدیدهای مکانیکیکوانتومی است که بهموجب آن تابع موج میتواند ازطریق مانع انتشار یابد.انتقال ازطریق مانع ممکن است محدودو به ارتفاع و عرض مانع بستگی داشته باشد.
پروفسور شانو چاکرابارتیتان در دانشگاه واشنگتن در سنتلوئیس،مقالهای منتشر کرده و در آن توضیح دادهاندکه چگونه میتوان از خواص طبیعی الکترونها برای کاهش انرژی استفادهشده برای آموزش مدلهای یادگیری ماشینی استفاده کرد.در این پروژه از محققان درخواست شد تا آرایهی سیناپسی یادگیری درحافظهی بسازند که از سیناپسهای دیجیتالی بهره ببردو عملکرد آن پویا باشد؛ بهطوریکه سیناپسهای آن فقط هنگام تغییر حال به انرژی نیاز دارند؛ ولی برای حفظ حالت خودبه مصرف انرژی نیازی نخواهند داشت.