Komponent do obliczeń inspirowanych mózgiem

 Naukowcy z ETH Zurich, Uniwersytetu w Zurychu i Empa opracowali nowy materiał na komponent elektroniczny, który może mieć szerszy zakres zastosowań niż jego poprzednicy. Takie komponenty pomogą w tworzeniu układów elektronicznych emulujących ludzki mózg, które będą bardziej wydajne w wykonywaniu zadań związanych z uczeniem maszynowym.

W porównaniu z komputerami ludzki mózg jest niezwykle energooszczędny. Dlatego naukowcy czerpią inspirację z funkcjonowania mózgu i jego połączonych neuronów przy projektowaniu innowacyjnych technologii komputerowych. Przewidują oni, że systemy obliczeniowe inspirowane pracą mózgu będą bardziej energooszczędne niż konwencjonalne, a także będą lepiej wykonywać zadania związane z uczeniem maszynowym.

Podobnie jak w przypadku neuronów, które w mózgu odpowiadają zarówno za przechowywanie, jak i przetwarzanie danych, naukowcy chcą połączyć przechowywanie i przetwarzanie danych w jednym elemencie elektronicznym, zwanym memrystorem. Mają nadzieję, że pomoże to w osiągnięciu większej wydajności, ponieważ przenoszenie danych między procesorem a pamięcią masową, jak w przypadku tradycyjnych komputerów, jest główną przyczyną wysokiego zużycia energii w aplikacjach uczenia maszynowego.

Naukowcy z ETH Zurich, Uniwersytetu w Zurychu i Empa opracowali teraz innowacyjną koncepcję memrystora, który może być wykorzystywany w znacznie szerszym zakresie zastosowań niż istniejące memrystory. "Istnieją różne tryby pracy memrystorów i korzystna jest możliwość wykorzystania wszystkich tych trybów w zależności od architektury sztucznej sieci neuronowej" - wyjaśnia Rohit John, postdoc z ETH. "Ale poprzednie konwencjonalne memrystory musiały być z góry skonfigurowane do jednego z tych trybów". Nowe memrystory badaczy z Zurychu mogą teraz łatwo przełączać się między dwoma trybami pracy podczas użytkowania: trybem, w którym sygnał słabnie z czasem i ginie (tryb lotny), oraz trybem, w którym sygnał pozostaje stały (tryb nielotny).

Tak jak w mózgu

"Te dwa tryby pracy występują również w ludzkim mózgu" - mówi John. Z jednej strony, bodźce w synapsach są przekazywane z neuronu do neuronu za pomocą biochemicznych neuroprzekaźników. Na początku bodźce te są silne, a potem stopniowo słabną. Z drugiej strony, gdy się uczymy, w mózgu tworzą się nowe połączenia synaptyczne z innymi neuronami. Te połączenia są bardziej długotrwałe.

John, który jest postdocem w grupie kierowanej przez profesora ETH Maksyma Kovalenko, otrzymał stypendium ETH dla wybitnych naukowców podoktorskich na rok 2020. John prowadził te badania razem z Yiğitem Demirağem, doktorantem w grupie profesora Giacomo Indiveri w Instytucie Neuroinformatyki Uniwersytetu w Zurychu i ETH Zurich.

Półprzewodnik znany z ogniw słonecznych

Opracowane przez badaczy memrystory są wykonane z nanokryształów perowskitu halogenkowego, materiału półprzewodnikowego znanego przede wszystkim z zastosowania w ogniwach fotowoltaicznych. Przewodzenie nerwowe" w tych nowych memrystorach odbywa się poprzez czasowe lub stałe łączenie jonów srebra z elektrody, tworząc nanowłókna przenikające przez strukturę perowskitu, przez które może płynąć prąd" - wyjaśnia Kovalenko.

Proces ten można regulować w taki sposób, aby włókno jonów srebra było albo cienkie, co powoduje jego stopniowy rozpad na pojedyncze jony srebra (tryb lotny), albo grube i trwałe (tryb nielotny). Jest to kontrolowane przez natężenie prądu płynącego przez memrystor: słabe natężenie prądu aktywuje tryb lotny, a silne natężenie prądu aktywuje tryb nielotny.

Nowy zestaw narzędzi dla neuroinformatyków

"Według naszej wiedzy jest to pierwszy memrystor, który można niezawodnie przełączać między trybem lotnym i nielotnym na żądanie" - mówi Demirağ. Oznacza to, że w przyszłości będzie można produkować chipy komputerowe z memrystorami, które będą działały w obu trybach. Jest to istotny postęp, ponieważ zazwyczaj nie jest możliwe połączenie kilku różnych typów memrystorów na jednym układzie scalonym".

W ramach badań, które opublikowali w czasopiśmie Nature Communicationscall_made, naukowcy przetestowali 25 nowych memrystorów i przeprowadzili z nimi 20 000 pomiarów. W ten sposób udało im się zasymulować problem obliczeniowy w złożonej sieci. Problem polegał na sklasyfikowaniu szeregu różnych skoków neuronów jako jednego z czterech predefiniowanych wzorów.

Zanim memrystory będą mogły zostać wykorzystane w technice komputerowej, będą musiały zostać poddane dalszej optymalizacji. Jednak, jak zauważa Indiveri, takie komponenty są również ważne dla badań w dziedzinie neuroinformatyki: "Te komponenty są bliższe prawdziwym neuronom niż poprzednie. W rezultacie pomagają badaczom lepiej testować hipotezy w neuroinformatyce i - miejmy nadzieję - lepiej zrozumieć zasady działania rzeczywistych obwodów neuronalnych u ludzi i zwierząt."

ETH Zurich

Świat blogów: businews.pl
itnews24.pl
itlife.pl
ofio.pl
komputerswiat.pl