חוקרים לחקות את המוח האנושי לעשות רשת עצבית נמוכה כוח

רשתות עצביות - או העתקים מלאכותיים של המוח האנושי - מאפשרים למדענים ומהנדסים לבצע ניתוח שייקח בני אדם לגילאים. הם יכולים לשפוך טבלאות אינסופיות של נתונים ולהצביע על פערים בתמונות שלא יורגשו על ידי אנשים.

יש להם חיסרון אחד אם כי: רשתות עצביות הטוב ביותר במשחק להשתמש כמות לא יאומן של אנרגיה לעשות את העבודה שלהם.

"לפני מספר שנים ניסתה יבמ לדמות את פעילות המוח של חתול במחשבי-על, ובסופו של דבר הם צורכים מגה-וואט של חשמל", אומר חוקר אוניברסיטת פרדו, Abhronil Sengupta הפוך. "המוח האנושי הביולוגי אינו צורב כלל. אין מדובר בהשוואה ישירה בין אחד לאחד לרשת עצבית, אך היא אמורה לתת לך הערכה של מערכות מחשוב רעבות ".

Sengupta וצוות של מדעני המחשב באוניברסיטת Purdue ואת המכון של חשמל ואלקטרוניקה מהנדסים (IEEE) בא עם דרך להשיג רשתות עצביות לצרוך פחות אנרגיה פחות בזמן שעדיין עושה בעיטה בתחת. נייר שהם פרסמו באתר preprint arXiv מסביר כיצד הם לקחו השראה מן המוח האנושי ויישם את הרעיון שלהם כדי לאפשר לרשת העצבית שלהם לצרוך בערך 11 פעמים פחות אנרגיה מאשר במערכות המסורתיות היה.

הגישה שלהם עושה שימוש spiking רשתות עצביות, או SNN. שלא כמו עמיתיהם, אלה מערכות חישוביות לחקות נוירונים ביולוגיים הרבה יותר מדויק.

רשתות עצביות סטנדרטיות מורכבות מאלפי צמתים המשמשים לקבלת החלטות ושיפוט לגבי הנתונים המוצגים בפניהם. התפוקה של אלה תלויה רק ​​על מה מוצג כעת, בעוד פלט SNN תלוי גירויים קודמים גם כן. צמתים ב- SNN יעבוד רק כאשר מגיע לרמה מסוימת של גירוי. אז במקום כל הזמן העברת נתונים צמתים אחרים, צמתים SNN רק להעביר מידע כאשר הם חייב.

זה בדרך כלל מגיע במחיר אנרגיה ענק, כי רוב המערכות האלה נעשים באמצעות מה שמכונה טכנולוגיה משלימה מתכת אוקסיד מוליכים למחצה, או CMOS. זה טק מפצה את כל הצ 'יפס במחשב הנייד שלך כבר בשימוש אבני הבניין עבור רשתות עצביות. עבור המחקר שלהם קבוצת החוקרים ditched CMOS טק ובנה SNN עשה לחלוטין מתוך memristors.

קצר עבור "נגדי זיכרון," ההתנגדות החשמלית של memristors תלוי כמה זרם חשמלי זרמו דרכו בעבר. אז שלא כמו CMOS טק, היא מסוגלת "לזכור" מה עבר את זה לפני, וזה בדיוק מה צמתים SNNs צריך לעשות.

תוצאות המחקר הראו כי memristors לחקות את הנוירון הביולוגי די טוב. הם מתקשרים זה עם זה באמצעות קוצים, או התפרצויות אנרגיה קצרות, בניגוד לזרימה מתמדת של כוח. זה memristor-SNN היה ירידה קלה בדיוק כאשר נעשה בו שימוש עבור סיווג תמונה לעומת עמיתים CMOS שלה, אבל זה לקח חלק קטן של רשתות כוח עצביים סטנדרטיים היו.

לפני מחקר זה SNNs היו הדבר הקרוב ביותר למוח האנושי המלאכותי שהיה לנו, אבל כמות העצומה של כוח הם השתמשו כדי לבטל חלק מן היתרונות שלהם. אם מדענים אחרים מסוגלים לשכפל את הרשתות העצביות של החיסכון בחשמל, הדבר עלול לאפשר להם לעשות יותר עם פחות אנרגיה, ולהזיז אותם קרוב יותר כדי להבין כיצד לשכפל את המוח הביולוגי.