Cip resistor memori (memory resistor/memristor) terintegrasi penuh menunjukkan efisiensi energi dan akurasi yang tinggi dalam tugas-tugas AI serbaguna dalam eksperimen, yang secara efektif dapat memperkuat kemampuan beradaptasi pembelajaran perangkat cerdas dalam skenario aplikasi praktis.

Beijing, China (Xinhua) – Para ilmuwan China mengembangkan cip resistor memori (memory resistor/memristor) terintegrasi penuh dengan kemampuan pembelajaran yang lebih baik dan biaya energi yang rendah, demikian menurut sebuah penelitian yang baru-baru ini dipublikasikan di jurnal Science.

Dengan teknologi kecerdasan buatan (artificial intelligence/AI) yang secara signifikan mengubah cara produksi dan cara hidup, pembelajaran menjadi sangat penting bagi perangkat kecerdasan mutakhir agar dapat beradaptasi dengan berbagai skenario aplikasi.

Namun demikian, teknologi-teknologi pelatihan jaringan neural saat ini memerlukan pemindahan data ekstensif antara cip prosesor dan memori utama off-chip, sehingga menyebabkan konsumsi energi yang sangat besar dan menghambat proses pembelajaran.

Berdasarkan penelitian selama 11 tahun, tim ilmuwan dari Universitas Tsinghua mengembangkan sebuah cip yang terintegrasi sistem secara penuh yang terdiri dari beberapa susunan memristor dan semua sirkuit periferal yang diperlukan untuk mendukung pembelajaran on-chip secara menyeluruh.

"Cip ini mengintegrasikan modul sirkuit menyeluruh untuk mendukung pembelajaran otonomos, dan berhasil mendemonstrasikan berbagai tugas pembelajaran termasuk kontrol gerakan, klasifikasi gambar, dan pengenalan suara," ujar Yao Peng, salah satu penulis pertama penelitian tersebut, dari Fakultas Sirkuit Terpadu di Universitas Tsinghua.

Menurut penelitian itu, cip tersebut dapat melaksanakan pembelajaran otonomos hanya dengan sekitar tiga persen konsumsi energi aplikasi spesifik sirkuit terpadu (application specific integrated circuits/ASIC) konvensional saat menjalankan tugas yang sama.

Cip itu menunjukkan efisiensi energi dan akurasi yang tinggi dalam tugas-tugas AI serbaguna dalam eksperimen, yang secara efektif dapat memperkuat kemampuan beradaptasi pembelajaran perangkat cerdas dalam skenario aplikasi praktis, ujar Yao.

"Cip ini menyediakan sebuah jalur pengembangan inovatif bagi terobosan perangkat keras AI," tutur Gao Bin, seorang profesor di Universitas Tsinghua.

Penelitian ini merupakan langkah penting menuju cip masa depan dengan efisiensi energi dan kemampuan pembelajaran yang tinggi, ungkap Wu Huaqiang, dekan Fakultas Sirkuit Terpadu di Universitas Tsinghua.

"Kami berharap temuan-temuan kami akan mempercepat pengembangan perangkat pintar mutakhir di masa depan yang dapat beradaptasi dengan beragam skenario aplikasi dan pemilik," tambah Wu.

Laporan: Redaksi