Šioje augančioje kompiuterių mokslo srityje mokslininkai modeliuoja smegenis, kad kompiuteriai būtų greitesni ir efektyvesni. Per pastaruosius kelis dešimtmečius matėme technologinę revoliuciją, kurią sukėlė kompiuterių procesorių, pagamintų iš silicio ir kitų puslaidininkinių medžiagų, sukūrimo.
Kompiuteriai kažkada buvo ištisų kambarių dydžio, tačiau nuo to laiko buvo sumažinti iki pavienių lustų. Moore'o dėsnis, sąvoka, kurią Gordonas Moore'as naudojo 1965 m., kad apibūdintų pastebėjimą, kad komponentų skaičius viename integruotame luste kas dvejus metus padvigubės, todėl kompiuteriai bus vis greitesni, buvo šios tendencijos varomoji jėga.
Tačiau didėjant skaičiavimo poreikiams dėl kompiuterių, robotų, daiktų interneto (IoT) ir išmaniųjų mašinų pažangos, puslaidininkių pramonė pasiekė tašką, kai nebeįmanoma toliau mažinti kompiuterių lustų. Iš tikrųjų yra tik tiek daug tranzistorių, kurie gali tilpti į vieną lustą.
Todėl kompiuterių mokslininkai kreipiasi į visiškai naują požiūrį į skaičiavimą, vadinamą „neuromorfiniu skaičiavimu“, kai kompiuteriai yra sukurti veikti panašiai kaip žmogaus smegenys ir sąveikauti su išoriniu pasauliu.
Ši studijų sritis populiarėja ir yra laikoma pagrindiniu kompiuterinės įrangos ir dirbtinio intelekto sistemų kūrimo etapu. Pateikiame viską, ką reikia žinoti apie šią besiformuojančią sritį ir tai, ką ji reiškia kompiuterių mokslo ateičiai.
Kaip smegenys apdoroja ir saugo informaciją?
Prieš pereinant prie neuromorfinių prietaisų ir jų pritaikymo būdų, geriausia aptarti biologinį reiškinį, kuris motyvuoja šią sritį (sinapsinį plastiškumą). Tai yra nepaprastas žmogaus smegenų gebėjimas keistis ir prisitaikyti prie naujos informacijos. Norėdami tai tinkamai įvertinti, pirmiausia turime aptarti pagrindinę savo „kompiuterių centro“ veiklą.
Smegenų pasiuntinių ląstelės vadinamos neuronais. Visi jie yra tarpusavyje susiję sinapsių, jungiančių vietų, jungiančių jas didžiuliu tinklu, kuriuo perduodami elektroniniai impulsai ir cheminiai signalai, dėka. Jie bendrauja tarpusavyje naudodami „spyglius“, kurie yra trumpi, milisekundžių ilgio elektros energijos pliūpsniai.
Atmintis kompiuteryje gali būti padidinta tiesiog pridedant daugiau atminties ląstelių, tačiau smegenyse prisiminimai gaminami stiprinant ryšius tarp neuronų ir sukuriant naujus ryšius. Kai du neuronai yra glaudžiau sujungti vienas su kitu, galime teigti, kad sujungtos sinapsės sinapsinis svoris didėja. Apie 10 mūsų smegenyse12 Yra neuronų ir jie yra sujungti vienas su kitu 10.15 Jie bendrauja per sinapses. Šie ryšiai ir ryšio tarp jų laipsnis kinta laikui bėgant ir gaunamų dirgiklių ar spyglių kiekiui, kad smegenys galėtų prisitaikyti prie besikeičiančios aplinkos, formuoti ir išsaugoti prisiminimus.
Labai svarbu suprasti potenciją ir depresiją, du pagrindinius sinapsinio plastiškumo mechanizmus, kai sinapsiniai ryšiai palaipsniui stiprėja arba susilpnėja ir vaidina svarbų vaidmenį mokantis ir atmintyje. Tai įmanoma bet kuriuo laiko intervalu nuo sekundžių iki valandų ar ilgiau.
Manoma, kad aukštesnio dažnio šuoliai, tokie kaip tie, kurie atsiranda mokantis naujų įgūdžių, yra susiję su ilgalaikės atminties vystymusi, sustiprinant arba sustiprinant tam tikras sinapses. Kita vertus, žemesnio dažnio dirgikliai sukelia depresiją ir atitinkamai susilpnina ryšį (arba sinapsinį svorį) atitinkamoje sinapsinėje jungtyje, o tai panašu į kažko išmokto pamiršimą.
Reikėtų pabrėžti, kad tai šiek tiek supaprastinta ir kad įgalinimas ir depresija priklauso ne tik nuo dūžių dažnio, bet ir nuo laiko. Pavyzdžiui, kai daugelis neuronų vienu metu siunčia smaigalius į sinapsę, sinapsinis svoris didėja daug greičiau nei impulsų eilės.
Tyrėjai turi galvoti ne tik, kad sąmoningai imituotų šį procesą, nes jis toks sudėtingas ir sudėtingas.
Kaip veikia neuromorfinis kompiuteris?
Von Neumann architektūra, naudojama kuriant šiuolaikinius kompiuterius, yra pagrįsta idėjomis, kurias pirmą kartą sukūrė Alanas Turingas 1930-aisiais. Ši konfigūracija reikalauja, kad atmintis ir duomenų apdorojimo įrenginiai būtų atskirti, o tai sulėtina našumą, nes duomenys turi būti siunčiami pirmyn ir atgal tarp jų ir be reikalo sunaudojama daugiau energijos.
Kita vertus, neuromorfiniai kompiuteriai naudoja lustų architektūrą, sujungiančią skaičiavimą ir atmintį viename komponente. Kalbant apie techninę įrangą, ši sritis plečiasi ir apima pažangiausius naujus dizainus, įvairias medžiagas ir naujas kompiuterių dalis.
Mokslininkai iš viso pasaulio stengiasi sukurti sintetinius neuronų ir sinapsių tinklus, imituojančius smegenų lankstumą, naudojant organines ir neorganines medžiagas. Dauguma šiuo metu egzistuojančių didelio masto neuromorfinių kompiuterių, tokių kaip IBM TrueNorth, Intel Loihi ir BrainScales-2, naudoja tranzistorius, pagrįstus patikrinta metalo oksido puslaidininkių technologija.
Von Neumann kompiuteriai dažnai naudoja tranzistorius kaip vieną iš elektroninių elementų. Yra šimtai skirtingų tranzistorių tipų, iš kurių populiariausias yra metalo oksido puslaidininkinis lauko tranzistorius arba MOSFET. Jie pirmiausia veikia kaip elektros srovių jungiklis (ir kiek mažesniu mastu stiprintuvas) kompiuterio mikroschemoje.
Tai leidžia kiekvienam tranzistoriui būti įjungtoje arba išjungtoje būsenoje, kuri yra lygi dvejetainei 1 arba 0, ir neleidžia tekėti srovei arba leidžia jai egzistuoti bet kurioje būsenoje. Šis veikimo principas leidžia neįtikėtinai lengvai saugoti ir apdoroti informaciją, todėl elektroninės atminties ląstelės ir loginiai vartai tapo esminiais mūsų skaitmeninio pasaulio komponentais.
Tačiau elektriniai signalai mūsų smegenyse yra ne tik 0 ir 1. Pavyzdžiui, ryšys tarp sinapsių gali turėti skirtingą „svorį“ arba tankį.
Buvo sukurta daug įrankių, leidžiančių tai imituoti neuromorfiniame kompiuteryje. „Aktyvusis sluoksnis“, moduliuojantis signalą tarp vienetų, yra įtrauktas į tam tikro tipo puslaidininkinį tranzistorių, žinomą kaip polimerinis sinapsinis tranzistorius. Laidumą, taigi ir signalo išvestį, veikia specifinė laidžiojo polimero, naudojamo šiam sluoksniui suformuoti, sudėtis.
Kai per tranzistorius taikomas tam tikras įtampos dažnis, aktyvusis sluoksnis pasikeičia, sukeldamas elektrinio signalo nuosmukį arba stiprinimą, prilygstamą smegenų veiklos šuoliams. Iš esmės taip atsiranda plastiškumas, o kiekviename smaigalyje yra skaitiniai duomenys apie dažnį, laiką, dydį ir formą. Spuogus galima konvertuoti į dvejetaines vertes ir atvirkščiai, tačiau tikslus procesas, kaip tai padaryti, šiuo metu tiriamas.
Tyrėjai pranešė apie vis kūrybiškesnius būdus imituoti smegenų struktūrą naudojant dirbtinius komponentus, tokius kaip memristorius, kondensatorius, spintroninius prietaisus, ir net kai kuriuos intriguojančius bandymus atlikti neuromorfinius skaičiavimus naudojant grybus. Neuromorfinė aparatinė įranga neapsiriboja tik tranzistoriais.
Kaip užprogramuoti neuromorfinį kompiuterį?
Dirbtinius neuroninius tinklus (ANN) dažnai naudoja neuromorfiniai kompiuteriai skaičiavimo užduotims atlikti. Spiking neuron networks (SNN), vienas iš daugelio ANN variantų, yra ypač įdomūs, nes jie yra sukurti ant sintetinių neuronų, kurie sąveikauja tarpusavyje keisdamiesi elektriniais signalais, vadinamais "smailiais", ir į savo modelius įtraukia laiką. Dėl to šios sistemos sunaudoja mažiau energijos, nes dirbtiniai neuronai informaciją transliuoja tik tada, kai bendras jų gaunamų smaigalių skaičius viršija tam tikrą slenkstį.
Kad tinklas pradėtų veikti, jis turi būti užprogramuotas, kitaip tariant, išmoktas. Tai pasiekiama pateikiant jam faktus, iš kurių jis gali pasisemti. Mokymosi strategija gali skirtis priklausomai nuo ANN tipo. Pavyzdžiui, jei tinklas mokomas atpažinti kates ar šunis nuotraukose, tūkstančiai vaizdų gali būti paduodami su žyma „katė“ arba „šuo“, kad būtų išmokytas subjektas pats jį atpažinti būsimame darbe. Manipuliuojant kiekvieno vaizdo pikselio spalva, identifikuoti reikia labai daug pastangų reikalaujančių skaičiavimų.
Yra daugybė ANN, o kurį naudoti, priklauso nuo vartotojo poreikių. Nors SNN yra patrauklūs dėl mažo energijos suvartojimo, juos paprastai sunku treniruoti, daugiausia dėl jų sudėtingos neuronų dinamikos ir neatskiriamo šuolio procesų pobūdžio.
Kur naudojamas neuromorfinis skaičiavimas?
Ekspertų teigimu, neuromorfiniai įrenginiai labiau papildys, o ne pakeis tradicinę kompiuterių techninę įrangą, ypač kai reikia spręsti tam tikras technologines problemas. Nors yra teiginių, kad neuromorfiniai kompiuteriai gali imituoti Būlio logiką, pagrindinę bet kurios šiuolaikinės programavimo kalbos idėją, tai rodo, kad neuromorfiniai kompiuteriai gali atlikti bendrosios paskirties skaičiavimus.
Bet kokiu atveju sritys ir programos, kuriose smegenys yra pranašesnės už tradicinius kompiuterius energijos vartojimo efektyvumo ir skaičiavimo greičio požiūriu, neuromorfinis skaičiavimas bus labai įspūdingas.
Tai apima dirbtinio intelekto (AI) taikymą siekiant veiksmingai atlikti pažintines užduotis, tokias kaip balso ar vaizdo atpažinimas, taip pat naujų robotikos, jutimo ir sveikatos priežiūros galimybių atvėrimą (tai tik keletas).
Nors ši tema dar tik pradeda formuotis ir reikia įveikti kliūtis, neuromorfiniai skaičiavimai tampa vis populiaresni ir siūlo perspektyvią alternatyvą tradicinėms kompiuterinėms sistemoms.
Šaltinis: advancedsciencenews
Günceleme: 14/03/2023 15:25