Memristorer kan skabe hurtigtlærende neurale netværk
more_vert
close

Få de daglige nyheder fra Version2 og Ingeniøren. Læs mere om nyhedsbrevene her.

close
Ved at tilmelde dig accepterer du vores Brugerbetingelser, og du accepterer, at Teknologiens Mediehus og IDA-gruppen lejlighedsvis kan kontakte dig om arrangementer, analyser, nyheder, job og tilbud m.m. via telefon og e-mail. I nyhedsbreve, e-mails fra Teknologiens Mediehus kan der forefindes markedsføring fra samarbejdspartnere.

Memristorer kan skabe hurtigtlærende neurale netværk

Illustration: ktsdesign/Bigstock

Forskere fra University of Michigan i USA har udviklet et nyt slags neuralt netværk på basis af memristorer, en speciel og kontroversiel elektronisk komponent.

Memristorer er en speciel slags modstand, som kan udføre logik og gemme data. Det adskiller komponenttypen fra konventionelle computersystemer, hvor logik og hukommelse er separeret.

Det er først for nylig, at det er lykkedes at skabe memristorer. Det skete i 2008, da HP ved et tilfælde fik skabt en komponent, der opfører sig, som memristorer skal. Begejstringen ville ingen ende tage, og i 2015 skulle HP fremvise teknologien i form af systemet The Machine, der ville give konventionelle computere baghjul med mange størrelsesordener til forskel i ydelse. Men det var ikke muligt for firmaet at realisere teknologien, som efterfølgende blev lagt i skuffen.

Den skuffelse har dog ikke taget modet fra de førnævnte forskere i Michigan. Holdet har skabt et netværk, som de kalder for et ‘reservoir-computersystem'. De har anvendt en slags memristor, der kun husker nylige hændelser. Det skriver Eurekalert.

Mens neurale netværk, der for eksempel skal genkende elementer på billeder, ikke behøver at huske, står det anderledes til med tale-til-tekst-systemer, oversættelse, ords betydning og udtale, som alle afhænger af den information, der før kom ind i systemet.

Det betyder, at neurale netværk, der løser denne slags opgaver, skal indeholde løkker, og det bliver meget omkostningstungt, når netværket skal trænes.

Reservoir-computersystemer med memristorer kan springe over denne del af træningen over. Det er, fordi systemets kritiske del, som er det såkaldte reservoir, ikke kræver optræning.

Når data puttes ind i reservoiret, kan det identificere tidsrelaterede facetter af dataene, og sender det så videre i et mere simpelt format til et sekundært netværk. Det næste netværk skal kun optrænes som et simpelt neuralt netværk.

»Det smukke ved reservoir-computerbehandling er, at mens vi skal designe det, så slipper vi for at træne det,« udtaler professor Wei Lu fra University of Michigan, som har en plan med teknologien:

»Vi kan skabe forudsigelser om naturligt talesprog, så man ikke engang behøver at sige et helt ord. Vi kan faktisk forudsige, hvad du vil sige lige bagefter.«

Forskningen er for nylig offentliggjort i tidsskriftet Nature Communications..

sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først
Bidrag med din viden – log ind og deltag i debatten