Raziskovalci posnemajo človeški možgani, da bi ustvarili nizkoenergetsko nevronsko mrežo

Nevronske mreže - ali umetne kopije človeških možganov - omogočajo, da znanstveniki in inženirji opravijo analizo, ki bi vzela ljudi. Lahko naletijo skozi neskončne tabele podatkov in opozarjajo na neskladja v slikah, ki jih ljudje ne bi opazili.

Imajo eno pomanjkljivost, čeprav: Najboljše nevronske mreže v igri uporabljajo neverjetno količino energije, da opravijo svoje delo.

»Pred nekaj leti je IBM poskušal simulirati možgansko aktivnost mačke v superračunalniku, ki je porabila megavate moči,« je povedal raziskovalec Univerze Purdue Abhronil Sengupta. Inverse. »Biološki človeški možgani se tako veliko ne porabijo. To ni neposredna primerjava ena na ena na nevronsko omrežje, vendar pa bi vam morala dati oceno o tem, kako so računalniški sistemi, ki so lačni.

Sengupta in ekipa računalniških znanstvenikov na Univerzi Purdue in Inštitutu za inženirje elektrotehnike in elektronike (IEEE) sta pripravila način, da bi nevronske mreže porabile manj energije, medtem ko še vedno delajo zasluženo delo. Dokument, ki so ga objavili na mestu preprint arXiv, pojasnjuje, kako so vzeli navdih iz človeških možganov in uresničili svojo idejo, da bi njihova nevronska mreža porabila približno 11-krat manj energije kot tradicionalni sistemi.

Njihov pristop omogoča uporabo nevronskih mrež ali SNN. Za razliko od svojih kolegov, ti računalniški sistemi precej natančneje posnemajo biološke nevrone.

Standardne nevralne mreže so sestavljene iz več tisoč vozlišč, ki se uporabljajo za sprejemanje odločitev in sodb glede podatkov, ki so jim predstavljeni. Izhodi so odvisni samo od tega, kar se trenutno predstavlja, medtem ko je SNN izhod odvisen tudi od prejšnjih dražljajev. Vozlišča v SNN bodo delovala le, ko bo dosežena določena stopnja dražljaja. Torej, namesto nenehno prenos podatkov na druga vozlišča, SNN vozlišča samo posredujejo informacije, ko so moram.

Običajno to prinaša ogromne stroške energije, ker je večina teh sistemov narejena s tako imenovano komplementarno tehnologijo kovinsko oksidnih polprevodnikov ali CMOS. Ta tehnologija sestavlja vse čipe v vašem prenosniku in je bila uporabljena kot gradnik za nevronske mreže. Za njihovo študijo je skupina raziskovalcev umaknila tehnologijo CMOS in zgradila SNN, ki je bil popolnoma izven memristorjev.

Skratka za »spominske upore«, je električni upor memristorjev odvisen od tega, koliko je električni naboj tekel skozi njega v preteklosti. Torej, za razliko od tehnologije CMOS, je sposobna "zapomniti", kaj je šlo skozi to, kar je točno tisto, kar morajo storiti vozlišča v SNN.

Rezultati raziskave so pokazali, da so memristorji zelo dobro posnemali biološki nevron. Med seboj komunicirajo s konicami ali kratkimi izbruhi energije, v nasprotju s stalnim pretokom energije. Ta memristor-SNN je imela rahlo zmanjšanje natančnosti, ko je bila uporabljena za klasifikacijo slik v primerjavi s svojimi kolegi CMOS, vendar je potreboval del moči, ki bi jo standardne nevralne mreže izvedle.

Pred to študijo so bili SNN-ji najbližji umetnim človeškim možganom, ki smo jih imeli, toda ogromna količina energije, ki so jo porabili za uporabo, je izničila nekatere njihove koristi. Če lahko drugi znanstveniki posnemajo te nevronske mreže, ki varčujejo z energijo, jim lahko omogoči, da naredijo več z manj energije in jih premaknejo bližje, da razumejo, kako posnemati biološke možgane.