Ilmuwan Kembangkan Kecerdasan Buatan 1.000 Kali Lebih Hemat Energi

Selain itu, memristor sering digambarkan sebagai bentuk komputasi neuromorfik (yang diilhami oleh otak). Seperti di otak, pemrosesan dan memori diterapkan dalam blok bangunan adaptif yang sama, berbeda dengan sistem komputer saat ini yang membuang banyak energi dalam data. (Baca juga: 4 Jenis Olahraga Ini Efektif Turunkan Kadar Kolesterol)

Dalam studi tersebut, Dr Adnan Mehonic dan mahasiswa PhD Dovydas Joksas serta rekan mereka dari Inggris dan Amerika Serikat telah menguji pendekatan baru di beberapa jenis memristor. Mereka menemukan bahwa hal tersebut dapat meningkatkan akurasi, terlepas dari material atau teknologi memristor tertentu.

Para peneliti juga menemukan bahwa pendekatan mereka meningkatkan akurasi jaringan saraf. Artinya, tugas khusus AI sebanding dengan perangkat lunak yang dijalankan pada perangkat keras digital konvensional.

“Kami berharap ada pendekatan yang lebih umum, bukan meningkatkan level perangkat, tetapi perilaku sistem dan kami yakin kami menemukannya,” kata Mehonic, dikutip Scitechdaily.

Ia menuturkan bahwa penelitian yang telah dilakukan menunjukkan beberapa memristor lebih baik daripada satu. Menyusun jaringan neural menjadi beberapa jaringan yang lebih kecil daripada satu jaringan besar menghasilkan akurasi yang lebih baik secara keseluruhan.

Kemudian, Joksas mengatakan bahwa teknik pupuler dari ilmu komputer dapat diterapkan dalam konteks memristor. Keberhasilannya menggunakan simulasi pendahuluan dapat meningkatkan akurasi jaringan saraf secara signifikan. (Lihat videonya: Istana Para Raja Wilayah Sulsel Berusia Ratusan Tahun)

“Kami percaya sekaranglah waktunya bagi memristor, di mana kami telah bekerja selama beberapa tahun untuk mengambil peran utama dalam era energi berkelanjutan dari perangkat IoT dan edge computing,” kata Profesor Tony Kenyon, UCL Electronic & Electrical Engineering. (Fandy)