Новые чипы на мозгоподбной архитектуре уже превосходят человеческий мозг в скорости и эффективности
Привет. Технологии нейроморфных вычислений - следующая большая вещь в искусственном интеллекте (AI).
Только на прошлой неделе в двух исследованиях индивидуально были представлены компьютерные чипы, смоделированные по аналогии с обработкой информации в мозге человека.
Первый нашел идеальное решение для борьбы с непредсказуемостью в синапсах - разрыв между двумя нейронами, которые передают и хранят информацию. Второй еще больше усилил вычислительную мощь системы, заполняя синапсы нанокластерами сверхмагнитного материала для ускорения кодирования информации.
Что в результате? Мозгоподобные аппаратные системы, которые вычисляют быстрее и эффективнее, чем человеческий мозг.
«В конечном итоге мы хотим, чтобы чип размером с ноготь заменил один большой суперкомпьютер», - сказал Jeehwan Kim, который провел первое исследование в Массачусетском технологическом институте в Кембридже, штат Массачусетс.
Программное обеспечение для оборудования
Человеческий мозг - абсолютный вычислительный волшебник. С примерно 100 миллиардами нейронов, плотно упакованных в размер небольшого футбольного мяча, мозг может ловко обрабатывать сложные вычисления с молниеносной скоростью, используя очень мало энергии.
В течение последних нескольких лет были разработаны алгоритмы, основанные на алгоритмах работы нашего мозга, которые могут идентифицировать лица, распознавать голоса и играть в различные игры, часто превосходя человеческие возможности.
Но программное обеспечение является лишь частью уравнения. Наши современные компьютеры с их транзисторами и двоичными цифровыми системами не доступны для запуска этих мощных алгоритмов.
Вот где находят свое применение нейроморфные компьютеры. Идея проста: изготовить компьютерный чип, который имитирует мозг на аппаратном уровне. Здесь данные обрабатываются и сохраняются в чипе аналоговым способом. Каждый искусственный синапс может накапливать и интегрировать мелкие биты информации из нескольких источников и срабатывать только тогда, когда он достигает порога, подобно его биологическому аналогу.
Эксперты считают, что рост скорости и эффективности будет огромным.
Во-первых, чипам больше не придется передавать данные между центральным процессором (ЦП) и блоками памяти, что отнимает время и энергию. Как и биологические нейронные сети, нейроморфные устройства могут поддерживать нейроны, которые управляют миллионами потоков параллельных вычислений.
«Мозг-на-чипе»
Однако, воспроизвести биологический синапс в аппаратной форме не так просто, как ожидалось.
Нейроморфные чипы существуют во многих формах, но обычно они выглядят как наноразмерный металлический сэндвич. «Кусочки хлеба» обычно изготавливаются из проводящих пластин, окружающих коммутационную среду - проводящий материал, который действует как зазор в биологическом синапсе.
Когда подается напряжение, как и в случае ввода данных, ионы движутся внутри переключающей среды, которая затем создает проводящие потоки для стимуляции нижней пластины. Это изменение проводимости имитирует то, как биологические нейроны меняют свой «вес», или силу соединения между двумя соседними нейронами.
Но до сих пор нейроморфные синапсы были довольно непредсказуемыми. По словам исследователей, это связано с тем, что коммутационная среда часто состоит из материала, который не может направлять ионы в точное место на нижней плите.
«Как только вы примените некоторое напряжение для представления некоторых данных с помощью своего искусственного нейрона, вы должны стереть и снова записать его точно так же. Но в аморфном твердом теле, когда вы пишете заново, ионы движутся в разных направлениях, потому что существует много дефектов».
В новом исследовании ученые поменяли желеобразную коммутационную среду на кремний, материал с единственной линией дефектов, который действует как канал для направления ионов.
Чип начинается с тонкой пластины кремния, вытравленного сотообразным рисунком. Наверху находится слой кремниевого германия - то, что часто присутствует в транзисторах - по той же схеме. Это создает воронкообразную дислокацию, своего рода Гранд-канал, который отлично перемещает ионы через искусственный синапс.
Затем ученые создали нейроморфный чип, содержащий эти синапсы, через которые простреливается электрический заряд. Невероятно, но реакция синапсов варьировалась всего в пределах четырех процентов, что намного выше, чем любое нейроморфное устройство, выполненное с аморфной коммутационной средой.
В ходе компьютерного моделирования команда построила многослойную искусственную нейронную сеть, используя параметры, снятые с их устройства. После десятков тысяч обучающих примеров, их нейронные сети правильно распознали образцы в 95 процентов случаев, всего на 2% ниже, чем самые современные программные алгоритмы.
Каков же потенциал роста?
Нейроморфный чип требует гораздо меньше места, чем аппаратное обеспечение, которое использует алгоритмы глубокого обучения. Забудьте суперкомпьютеры - эти чипы смогут в один прекрасный день выполнять самые сложные вычисления прямо на наших карманных устройствах.
Магнитное усиление
Ученые уверены, что стандартная коммутационная среда должна уйти.
"Должен быть лучший способ сделать это, потому что природа уже придумала этот способ"
Какое же решение? Нанокластеры магнитного марганца.
Новый процессор содержал два куска сверхпроводящих электродов, изготовленных из ниобия, которые пропускают электричество без сопротивления. Когда исследователи применяли различные магнитные поля к синапсу, они могли контролировать выравнивание «завалки» марганца.
Коммутатор дал чипу двойной импульс. Во-первых, путем выравнивания среды переключения команда может прогнозировать ионный поток и повышать однородность. С другой стороны, магнитный марганец сам по себе добавляет вычислительную мощность. Чип теперь может кодировать данные как на уровне электрического ввода, так и на направлении магнетизмов без увеличения веса синапса.
Это серьезно работает. Со скоростью в один миллиард раз в секунду чипы работают на несколько порядков быстрее, чем человеческие нейроны. Кроме того, процессору достаточно только одной десятитысячной доли энергии, используемой их биологическими аналогами, для постоянного синтеза входные данные из девяти различных источников аналоговым способом.
Предстоящий путь
Эти исследования показывают, что мы можем приблизиться к такой точке, где искусственные синапсы будут соответствовать или даже превосходить свои человеческие аналоги.
По словам ученых, многие из специальных материалов, используемых в этих чипах, требуют определенных температур. Например, магнитные марганцевые стружки требуют температур около абсолютного нуля, а это означает, что они нуждаются в гигантских охлаждающих блоках, заполненных жидким гелием, что явно не может считаться практичным для повседневного использования.
Другая проблема - масштабируемость. Миллионы синапсов необходимы для того, чтобы нейроморфное устройство могло использоваться для решения повседневных задач, таких как распознавание лица. Пока это недостижимо.
Вместе с тем, эти проблемы могут быть движущей силой всей отрасли. Интенсивная конкуренция может подтолкнуть команды к изучению различных идей и решений таких задач.
Если это так, будущие чипы могут появляться в разных вариантах исполнения. Подобно существующему обширному набору алгоритмов глубокого обучения и операционных систем, компьютерные чипы будущего также могут варьироваться в зависимости от конкретных требований и потребностей.
Ученым стоит развивать как можно больше различных технологических подходов в этом направлении, тем более, что неврологи тоже уже все лучше понимают работу наших биологических синапсов.
