Ученые обнаружили термодинамический способ ИИ-генерации, который экономнее в 10 млрд раз

Генерация изображений с помощью ИИ – процесс, который требует вычислительных ресурсов и энергии. В основе многих популярных генераторов лежат диффузионные модели – алгоритмы машинного обучения, которые постепенно добавляют шум к изображениям, а затем учатся обращать этот процесс вспять, создавая новые картинки из хаоса.

Исследователи предлагают радикально иной подход – использовать не цифровой, а природный шум. Речь о термодинамических вычислениях, где случайные тепловые колебания в физических системах становятся основой для низкоэнергетических операций. По оценкам ученых, такой метод может оказаться в 10 миллиардов раз эффективнее с точки зрения энергозатрат на создание случайности, чем традиционные цифровые псевдослучайные генераторы.

“Эта работа предполагает, что возможно создавать аппаратное обеспечение для определенных типов машинного обучения – в данном случае генерации изображений – с существенно более низкими энергозатратами, чем сейчас”, – говорит Стивен Уайтлем, сотрудник Национальной лаборатории Лоуренса в Беркли.

Концепция уже обретает физические очертания. Стартап Normal Computing создал прототип чипа, состоящий из восьми резонаторов, соединенных особыми муфтами. Программируя связи между ними, можно создать “калькулятор” для конкретной задачи. Затем система приводится в движение, а естественные тепловые колебания вносят в нее случайность, выполняя вычисления. В состоянии равновесия конфигурация резонаторов и представляет собой ответ.

В статье, опубликованной в Nature Communications, Уайтлем и его коллега показали, что можно создать термодинамический аналог нейронной сети. Это закладывает основу для генерации изображений на подобных компьютерах.

Предложенная стратегия выглядит так: термодинамической системе