Nanomagnetische Computer: Ist das der nächste Schritt im Internet of Things?

Das Prinzip des Internet of Things (IoT) verlangt mittelfristig, dass künstliche Intelligenz in immer kleinere Geräte wandelt. Allerdings ist maschinelles Lernen relativ energiehungrig und die Kapazitäten zur Stromspeicherung in kleinen Geräten naturgemäß gering. Eine Lösung könnten sogenannte nanomagnetische Computer sein, die für ihre Berechnungen nanomagnetische statt elektrische Impulse verwenden. So können sie extrem energiesparend arbeiten.

KI ist energiehungrig

Einem Team des Imperial College London gelang es, ein neuronales Netzwerk auf Basis von Nanomagneten zu entwickelt. Dieses konnte auch mit relativ kurzem Training effektiv lernen. Die Forscher:innen gehen davon aus, bei entsprechender Skalierung Rechner konstruieren zu können, die 100.000 Mal energieeffizienter arbeiten können als herkömmliche Geräte.

Energiesparen ist in Sachen künstlicher Intelligenz ein wichtiges Thema. Alle 3,5 Monate verdoppeln sich derzeit die Energiekosten für KI. Im Bereich Internet of Things wird es wichtig werden, einfache KI-Aufgaben auch auf kleinen, energiesparenden Geräten durchführen zu können. Denn oft ist es nicht unbedingt sinnvoll, Daten zur Verarbeitung an cloudbasierte Großrechner zu schicken. Derartigen Vorhaben können Gründe wie Datenschutz, schwierige Übertragungswege oder einfach die Übertragungsgeschwindigkeit entgegenstehen.

Menschliches Gehirn als Vorbild

Ein Vorbild für einen energiesparenden Supercomputer finden Forscher quasi in sich selbst: Das menschliche Gehirn kann enorme Leistungen bei vergleichsweise geringem Energieverbrauch erbringen. Kein Wunder also, dass es auch als Vorbild für das Team des Blackett Laboratory an der physikalischen Fakultät des Imperial College London fungierte.

Die Forscher:innen ordneten in Computermodellen Nanomagnete in einem Netzwerk an und testete dann, inwieweit man dem System Aufgaben stellen kann. Dann konstruierten sie ein Gitter aus 600 Stäben im Nanometer-Bereich, die aus einem künstlich hergestellten Metamaterial bestehen. Dieses Material ist in der Lage, unter magnetischen Einflüssen seine Textur zu wechseln. „ Wie die Magnete interagieren, gibt uns alle Informationen, die wir brauchen; die physikalischen Gesetze selbst werden zum Computer„, so Kilian Stenning, der an dem Projekt beteiligt ist.

Datenverabeitung mit Nanogeräten

Diese Eigenschaften nutzten die Forscher:innen, um eine Art der künstlichen Intelligenz namens Reservoir-Computing bezeichnet wird. Im Gegensatz zum Deep-Learning, bei dem sich bestehende Verknüpfungen immer wieder ändern, geht es bei Reservoir-Computing um feststehende Verbindungen. Dabei werden die magnetischen Strukturen auf eine bestimmte Aufgabe trainiert, es gibt also nur eine Aufgabenschicht. Die Wissenschaftler:innen konnten zeigen, dass die Konstruktion eine Reihe von Vorhersagen, die auch zeitlich veränderliche Daten enthielten, auf dem gleichen Niveau treffen konnte wie herkömmliche Systeme.

Im nächsten Schritt wollen die Forscher:innen für das Training auf reale Daten wie etwa EKG-Signale verwenden. Das Team hofft, die Konstruktion letztlich lokal einsetzen zu können, um erste KI-Berechnungen auszuführen. So wäre etwa die Verarbeitung biometrischer Daten direkt in den jeweiligen Geräten möglich.

via Imperial College London (via EurekaAlert)