Istraživači oponašaju ljudski mozak za stvaranje neuronske mreže niske snage

Neuronske mreže - ili umjetne replike ljudskog mozga - dopuštaju znanstvenicima i inženjerima da provedu analize koje će uzimati ljude. Oni se mogu izliti kroz beskrajne tablice podataka i ukazati na razlike u slikama koje bi ljudi ostali nezapaženi.

Oni ipak imaju jednu manu: najbolje neuralne mreže u igri koriste nevjerojatnu količinu energije za obavljanje posla.

"Prije nekoliko godina IBM je pokušao simulirati moždanu aktivnost mačke u superračunalu i na kraju su potrošili megavate snage", kaže istraživač Sveučilišta Purdue Abhronil Sengupta. Inverzan, - Biološki ljudski mozak ne troši se toliko blizu. To nije izravna usporedba jedan-na-jedan s neuronskom mrežom, već bi trebala dati procjenu o tome kako su računalni sustavi gladni moći.

Sengupta i tim kompjuterskih znanstvenika sa Sveučilišta Purdue i Instituta inženjera elektrotehnike i elektronike (IEEE) smislili su način da neuronske mreže potroše manje energije dok još uvijek obavljaju posao. Papir koji su objavili na stranicama preprinta arXiv objašnjava kako su uzeli inspiraciju iz ljudskog mozga i implementirali svoju ideju kako bi omogućili da njihova neuronska mreža troši otprilike 11 puta manje energije nego što bi to tradicionalni sustavi.

Njihov pristup koristi neuralne mreže ili SNN. Za razliku od njihovih kolega, ovi sustavi računanja emuliraju biološke neurone mnogo točnije.

Standardne neuronske mreže sastoje se od tisuća čvorova koji se koriste za donošenje odluka i prosudbi o podacima koji su im predstavljeni. Izlaz iz njih ovisi samo o tome što se trenutno prikazuje, dok izlaz SNN-a ovisi io prethodnim podražajima. Čvorovi u SNN-u će raditi samo kada se dostigne određena razina podražaja. Dakle, umjesto konstantno prosljeđivanjem podataka drugim čvorovima, SNN čvorovi samo prosljeđuju informacije kada moram.

To obično dolazi s ogromnim troškovima energije jer je većina tih sustava napravljena korištenjem tehnologije komplementarnog metal-oksid-poluvodiča ili CMOS-a. Ta tehnologija čini sve čipove u vašem prijenosnom računalu i koristi se kao sastavni dio za neuronske mreže. Za njihovo proučavanje skupina istraživača odbacila je tehnologiju CMOS-a i izgradila SNN u potpunosti izrađenu od memristora.

Kratki za "memorijske otpornike", električni otpor memristora ovisi o tome koliko je električni naboj protjecao kroz njega u prošlosti. Dakle, za razliku od CMOS tehnologije, u stanju je „zapamtiti“ ono što je prošlo kroz njega, što je upravo ono što čvorovi u SNN-ovima trebaju učiniti.

Rezultati istraživanja pokazali su da memristori prilično dobro oponašaju biološki neuron. Oni komuniciraju jedni s drugima pomoću šiljaka ili kratkih rafala energije, za razliku od stalnog protoka energije. Ovaj memristor-SNN imao je neznatno smanjenje točnosti kada je korišten za klasifikaciju slika u usporedbi s njegovim CMOS kolegama, ali to je zahtijevalo djelić snage standardne neuralne mreže.

Prije ove studije SNN-ovi su bili najbliže umjetnom ljudskom mozgu koji smo imali, ali ogromna količina energije koju su uzeli za korištenje poništila je neke od njihovih koristi. Ako drugi znanstvenici mogu replicirati ove neuronske mreže koje štede energiju, to bi im moglo omogućiti da učine više s manje energije i približavaju ih kako bi razumjeli kako replicirati biološki mozak.