Японская компания TDK совместно с Университетом Хоккайдо разработала прототип аналоговой микросхемы искусственного интеллекта, основанной на принципе резервуарных вычислений. Новая микросхема использует электронные цепи, которые имитируют работу мозжечка человека. Презентация устройства с этим чипом запланирована на выставке CEATEC 2025, которая пройдет в Японии с 14 по 17 октября.
Резервуарные вычисления представляют собой альтернативу традиционным глубоким нейронным сетям. Эта вычислительная модель предназначена для обработки последовательных данных в режиме реального времени с низким энергопотреблением. В то время как глубокое обучение требует больших вычислительных мощностей и потребляет значительное количество энергии, резервуарные вычисления используют естественные физические явления, которые развиваются с течением времени, что устраняет необходимость в сложных расчетах для скрытого слоя.
Концепция резервуарных вычислений включает три основных компонента: входной слой, резервуарный слой и выходной слой. Резервуарный слой не требует программируемых вычислений, вместо этого он использует физические явления, такие как распространение волн на воде, для преобразования входных сигналов . Этот подход значительно сокращает количество параметров, которые необходимо настраивать во время обучения, что позволяет обрабатывать задачи с высокой скоростью и низким энергопотреблением.
Демонстрационное устройство на выставке CEATEC 2025 будет использовать чип в игре «камень-ножницы-бумага». Устройство, оснащенное акселерометрами TDK, анализирует движения пальцев пользователя и предсказывает его жест до его завершения, чтобы всегда показывать выигрышный вариант . Эта демонстрация показывает способность системы к обучению в реальном времени с учетом индивидуальных особенностей движений каждого пользователя.
Разработка чипа для резервуарных вычислений является частью более широкой стратегии TDK в области нейроморфных технологий. В 2024 году компания анонсировала создание «спин-мемристоров», которые имитируют работу синапсов головного мозга и способны сократить энергопотребление систем ИИ до одной сотой от обычного уровня. В то время как нейроморфные устройства предназначены для сложных вычислений, резервуарные вычисления специализируются на обработке изменяющейся во времени информации.
Практическое внедрение резервуарных вычислений ранее сталкивалось с трудностями, поскольку эта технология не является универсальным искусственным интеллектом и специализируется исключительно на обработке временных рядов. Цифровые реализации резервуарных вычислений также не позволяли в полной мере реализовать преимущества низкого энергопотребления. Аналоговая реализация от TDK направлена на преодоление этих ограничений.
Исследования в области резервуарных вычислений активно развиваются в научном сообществе как энергоэффективная альтернатива глубокому обучению. Технология рассматривается как перспективное решение для систем Edge AI, которые обрабатывают данные непосредственно на устройстве, без необходимости подключения к облачным серверам. Это особенно важно для приложений, требующих минимальной задержки, таких как робототехника и человеко-машинные интерфейсы.
