دانشمندان راهی برای کاهش مصرف انرژی از حافظه کامپیوتر با یک مرتبه بزرگ پیدا کردند

جستجوهای اینترنتی، تصاویر تولید شده توسط هوش مصنوعی، سیستم‌های توصیه، شبیه‌سازی‌های علمی و مدل‌های زبانی بزرگ به حجم وسیعی از اطلاعات در حال ایجاد، انتقال، ذخیره و تجزیه و تحلیل بستگی دارد. همانطور که هوش مصنوعی عمیق تر در زندگی روزمره، صنعت و علم ادغام می شود، نیاز جهانی به قدرت محاسباتی و ذخیره سازی داده ها همچنان در حال افزایش است.

تقاضای رو به رشد برای انرژی از AI

این گسترش همچنین یک چالش بزرگ را به همراه دارد: استفاده از برق. مراکز داده در حال حاضر به مقادیر زیادی انرژی نیاز دارند و انتظار می‌رود تقاضای انرژی آنها در دهه‌های آینده به میزان قابل توجهی افزایش یابد. بدون بهبود قابل توجه در بهره وری، فناوری اطلاعات و ارتباطات می تواند سهم قابل توجهی از مصرف جهانی برق و انتشار کربن را به خود اختصاص دهد.

بنابراین، با افزایش تقاضا برای خدمات دیجیتال، یافتن راه‌هایی برای کارآمدتر کردن محاسبات در مصرف انرژی اهمیت فزاینده‌ای پیدا می‌کند.

محققان دانشگاه ادینبورگ چارچوب نظری جدیدی ایجاد کرده‌اند که می‌تواند به کاهش میزان انرژی مورد نیاز برای ذخیره و دستکاری اطلاعات دیجیتال (بیت‌هایی که به صورت «۰» و «۱» نشان داده می‌شوند) در فناوری‌های حافظه مغناطیسی آینده کمک کند.

یک راه کارآمدتر برای تعویض حافظه مغناطیسی

در قلب حافظه مغناطیسی توانایی تغییر حالت های مغناطیسی وجود دارد که امکان تغییر و کنترل اطلاعات دیجیتال را فراهم می کند.

به جای استفاده از روش‌های مرسوم برای طراحی فرآیندهای سوئیچینگ مغناطیسی (که مکانیسم اصلی در دستکاری داده‌ها است)، محققان به نظریه کنترل بهینه روی آوردند، یک رویکرد ریاضی که برای تعیین کارآمدترین راه برای دستیابی به یک هدف خاص استفاده می‌شود.

با استفاده از این روش، تیم چارچوبی برای طراحی پالس های میدان مغناطیسی فوق سریع ایجاد کرد که می تواند حالت های مغناطیسی را تغییر دهد و در عین حال کمترین انرژی ممکن را مصرف کند. محاسبات همچنین محدودیت‌های تجربی واقعی را در نظر می‌گیرند و رویکرد را برای دستگاه‌های بالقوه آینده مناسب‌تر می‌کنند.

نزدیک شدن به یک حد اساسی انرژی

شبیه‌سازی‌های رایانه‌ای نشان می‌دهند که این روش می‌تواند انرژی سوئیچینگ را در مقایسه با فناوری‌های حافظه پیشرو در حال استفاده یا توسعه امروزی، از جمله DRAM، STT-MRAM و دستگاه‌های SOT-MRAM در حال ظهور، تا چندین مرتبه کاهش دهد.

حتی جالب‌تر اینکه، نیازهای انرژی پیش‌بینی‌شده، حافظه مغناطیسی آینده را به حد لاندوئر (حد اساسی ترمودینامیکی) نزدیک‌تر می‌کند و حداقل مقدار انرژی مورد نیاز برای پردازش یک بیت از اطلاعات را تعریف می‌کند.

این حد بیانگر یک محدودیت اساسی است که توسط فیزیک تحمیل شده است، بنابراین نزدیک شدن به آن یک پیشرفت بزرگ در تلاش‌ها برای ایجاد محاسبات تا حد امکان از نظر انرژی کارآمد است.

چارچوب شرح داده شده در مواد پیشرفته، همچنین از محاسبات نظری فراتر می رود. این شامل راهنمایی های عملی برای اجرای ممکن است، از جمله طراحی های بهینه دستگاه و روش های ارائه میدان های مغناطیسی. این توصیه ها می تواند به محققان کمک کند تا در نهایت این مفهوم را به صورت تجربی آزمایش کنند.

پتانسیل فراتر از میدان های مغناطیسی

دکتر التون سانتوس از مؤسسه فیزیک ماده متراکم و سیستم های پیچیده دانشگاه ادینبورگ، که این تحقیق را رهبری می کرد، گفت:

هر عملیات دیجیتالی هزینه انرژی دارد و این هزینه با توجه به گسترش فناوری‌های مبتنی بر هوش مصنوعی و داده‌های فشرده به طور فزاینده‌ای اهمیت پیدا می‌کند. کار ما نشان می‌دهد که با طراحی دقیق چگونگی تغییر میدان مغناطیسی در طول زمان، می‌توان مغناطیس‌سازی را بسیار کارآمدتر از روش‌های معمولی تغییر داد.

وی ادامه داد:

اگرچه ما ابتدا این نظریه را با استفاده از پالس‌های میدان مغناطیسی توسعه دادیم، اما ریاضیات بسیار انعطاف‌پذیرتر از آن است. همین چارچوب را می‌توان با جریان‌های الکتریکی و حتی پالس‌های لیزری فوق‌سریع، که از پیشرفته‌ترین فناوری‌ها برای ذخیره‌سازی داده‌های آینده هستند، تطبیق داد.