Машинне навчання та алгоритми штучного інтелекту вимагають власної процесорної бази, а не процесорів загального призначення. Це необхідно для оптимізації роботи нейронних мереж при обробці масивів даних. В ідеалі необхідно створити кремнієвий аналог головного мозку людини. Втім, кремній не відповідає поставленим цілям. Рішенням може стати електроніка на основі взаємодії магнітних полів.
Група дослідників з Інженерної школи Кокрелл при Техаському університеті в місті Остін провела серію експериментів по використанню магнітних ланцюгів для енергоефективної обробки великих даних. Стаття про роботу опублікована в журналі IOP Nanotechnology. Вчені на практиці переконалися у взаємному і продуктивному взаємодії пари магнітних переходів у вигляді так званих доменних стін (прикордонних переходів намагніченості).
Подібним чином діють нейрони в головному мозку людини. Найбільш швидко порушила нейрон пригнічує активність інших нейронів в шарі, де він знаходиться. Немає потреби зайвий раз пояснювати, що головний мозок після мільйонів років еволюції виконує свої завдання найбільш ефективним чином. Так і з магнітними доменами.
У сфері машинного навчання описаний вище ефект називається поперечним гальмуванням і реалізується за допомогою складної логіки. Магнітні елементи, як бачимо, спрощують схемотехнику для реалізації тих же алгоритмів. Дослідники з Техаського університету змогли показати це на моделі з двох магнітних елементів і вивели математичну модель для масиву з 1000 елементів. На наступному етапі вони мають намір провести експерименти з безліччю магнітних елементів. Джерело
Магнітна трекова пам’ять може працювати подібно нейронам: 3 комментария