| 0 |
|
Дослідники зі Школи інженерії Viterbi та Школи передових обчислень Університету Південної Каліфорнії (USC) розробили штучні нейрони, які відтворюють складну електрохімічну поведінку біологічних клітин мозку. Ця інновація, задокументована в журналі Nature Electronics, є кроком уперед у технології нейроморфних обчислень. Вона дозволить зменшити розмір чипа та енергоспоживання на порядки, а також може прискорити розвиток штучного загального інтелекту (AGI).
На відміну від звичайних цифрових процесорів або наявних нейроморфних чипів на основі кремнієвої технології, які лише симулюють нейронну активність, ці штучні нейрони фізично втілюють або імітують аналогову динаміку своїх біологічних аналогів. Подібно до того, як нейрохімікати ініціюють мозкову активність, хімічні речовини можуть використовуватися для ініціювання обчислень у нейроморфних, або натхненних мозком, апаратних пристроях. Як фізичне відтворення біологічного процесу, вони відрізняються від попередніх ітерацій штучних нейронів, які були виключно математичними рівняннями.
Робота, очолювана професором комп’ютерної та електричної інженерії USC Джошуа Янгом (Joshua Yang), який також керував роботою над основоположною статтею про штучні синапси понад десять років тому, представляє новий тип штучного нейрона на основі так званого "дифузійного мемристора".
Стаття в Nature Electronics досліджує, як такі штучні нейрони можуть уможливити новий клас чипів, які доповнюють і розширюють можливості сучасних кремнієвих технологій. Останні живлять майже всю сучасну електроніку та покладаються на рух електронів для обчислень. Натомість дифузійний пристрій, представлений Янгом та його колегами для побудови нейронів, покладався б на рух атомів. Такі нейрони можуть уможливити нові чипи, які працюватимуть більш подібно до того, як працює наш мозок, будуть більш енергоефективними та можуть сприяти настанню того, що відоме як штучний загальний інтелект (AGI).
У біологічному процесі мозок використовує як електричні, так і хімічні сигнали для керування діями в тілі. Нейрони, або нервові клітини, починають з електричних сигналів, які, досягаючи простору або проміжку на кінці нейрона, званого синапсом, перетворюються на хімічні сигнали, щоб передати та обробити інформацію. Щойно інформація переходить до наступного нейрона, деякі з цих сигналів знову перетворюються на електричні сигнали в тілі нейрона.
Саме цей фізичний процес Янг і його колеги успішно імітували з високою точністю в кількох критично важливих аспектах. Велика перевага: їхній штучний нейрон на основі дифузійного мемристора вимагає лише простору одного транзистора, а не десятків чи сотень, які використовуються у звичайних конструкціях.
Зокрема, у біологічній моделі іони або заряджені частинки допомагають генерувати електричні сигнали, щоб викликати дію в нейроні. У мозку людини такі процеси покладаються на хімічні речовини (наприклад, іони) — такі як калій, натрій або кальцій — для стимулювання цієї дії.
У поточній статті Янг, який є директором Центру передового досвіду з нейроморфних обчислень в USC, використовує іони срібла в оксиді для генерації електричного імпульсу та імітації процесів для виконання обчислень для таких дій, як рух, навчання та планування.
"Хоча це не зовсім ті самі іони в наших штучних синапсах і нейронах, фізика, що керує рухом іонів, і динаміка дуже схожі", — каже Янг. "Срібло легко дифундує і дає нам динаміку, необхідну для імітації біосистеми, щоб ми могли досягти функції нейронів із дуже простою структурою." Новий пристрій, який може уможливити чип, схожий на мозок, називається "дифузійний мемристор" через рух іонів та динамічну дифузію, що відбувається при використанні срібла.
Він додає, що команда вирішила використовувати іонну динаміку для побудови штучних інтелектуальних систем, "тому що це те, що відбувається в людському мозку, і це має вагому причину, оскільки людський мозок є 'переможцем в еволюції — найбільш ефективним інтелектуальним механізмом'".
Янг пояснює: "Річ не у тому, що наші чипи чи комп'ютери недостатньо потужні для того, що вони роблять. Річ у тому, що вони недостатньо ефективні. Вони використовують забагато енергії". Це особливо актуально з огляду на рівень енергії, необхідний для запуску великих програмних моделей з величезною кількістю даних, як-от машинне навчання для штучного інтелекту.
Янг підкреслює, на відміну від мозку, "наявні обчислювальні системи ніколи не призначалися для обробки величезних обсягів даних або для навчання лише на кількох прикладах самостійно. Один зі способів підвищити як енергоефективність, так і ефективність навчання — це створити штучні системи, які працюють відповідно до принципів, які спостерігаються в мозку".
Якщо ви шукаєте чисту швидкість, електрони, які керують сучасними обчисленнями, будуть найкращими для швидких операцій. Але, пояснює він: «Іони — кращий носій, ніж електрони, для втілення принципів роботи мозку. Оскільки електрони легкі та леткі, обчислення з ними уможливлюють програмне навчання, а не апаратне, що принципово відрізняється від того, як функціонує мозок».
На противагу цьому, він каже: "Мозок навчається, переміщуючи іони через мембрани, досягаючи енергоефективного та адаптивного навчання безпосередньо в апаратному забезпеченні, або, точніше, у тому, що люди можуть назвати 'мокрі технології' (wetware)".
Наприклад, маленька дитина може навчитися розпізнавати рукописні цифри, побачивши лише кілька прикладів кожної, тоді як комп’ютеру зазвичай потрібні тисячі, щоб досягти того самого завдання. Проте людський мозок виконує це чудове навчання, споживаючи лише близько 20 ватів потужності, порівняно з мегаватами, необхідними сучасним суперкомп’ютерам.
Цей новий метод є ще одним кроком до імітації природного інтелекту. Янг зазначив, що срібло, використане в експерименті, не повністю сумісне зі звичайним виробництвом напівпровідників, і необхідно буде дослідити альтернативні іонні види для подібних функціональних можливостей.
Ефективність цих дифузійних мемристорів включає не лише енергію, але й розмір. Зазвичай один смартфон має близько 10 чипів, але мільярди транзисторів або перемикачів, які контролюють стани "увімкнено/вимкнено" або "0" та "1", що лежать в основі обчислень.
"Натомість [завдяки цій інновації] ми використовуємо лише площу одного транзистора для кожного нейрона. Ми проєктуємо будівельні блоки, які зрештою дозволили нам зменшити розмір чипа на порядки та зменшити енергоспоживання на порядки, щоб у майбутньому можна було стійко виконувати AI зі схожим рівнем інтелекту, не витрачаючи енергію, яку ми не можемо підтримувати", — каже Янг.
Тепер, коли продемонстровано працездатні та компактні будівельні блоки — штучні синапси та нейрони, — наступним кроком є інтеграція великої їх кількості та перевірка того, наскільки точно можна відтворити ефективність та можливості мозку. "Ще більш захватним, — резюмує Янг, — є перспектива того, що такі системи, вірні мозку, можуть допомогти нам розкрити нові знання про те, як працює сам мозок."
Стратегія охолодження ЦОД для епохи AI
| 0 |
|
