В университете KAUST сконструировали «мозг-на-чипе»

21 апрель, 2021 - 16:15

В KAUST сконструирован «мозг-на-чипе»

Спайковая нейронная сеть (SNN) на микрочипе, разработанном инженерами научно-технического университета KAUST (Саудовская Аравия), закладывает основу для более эффективных аппаратных вычислительных систем ИИ.

Сегодняшние искусственные нейросети (ANN), натренированные на маркированных массивах данных и работающие на стандартном вычислительном оборудовании, это неуклюжее и энергозатратное приближение к гораздо более сложным и экономичным нейросетям человеческого мозга.

С другой стороны, поведение, управляемое событиями, математически реализованное как «нечёткая модель интеграции и срабатывания», делает SNN очень энергоэффективными, а структура взаимосвязанных узлов обеспечивает высокую степень распараллеливания, что дополнительно увеличивает вычислительную мощность и эффективность.

Для аппаратной реализации SNN в KAUST использовали стандартный недорогой микрочип FPGA. Модель пластичности, зависящей от времени спайка, которая является биологическим правилом обучения, обнаруженным в нашем мозгу, не требует обучающих сигналов или меток, что позволяет нейроморфной системе изучать реальные шаблоны данных без тренировки.

«Поскольку модели SNN очень сложны, нашей основной задачей было адаптировать настройки нейросети для достижения оптимальной производительности, — говорит Вэньчжэ Гуо (Wenzhe Guo), участник исследования. — Затем мы разработали оптимальную аппаратную архитектуру с учетом баланса стоимости, скорости и энергопотребления».

Разработанный командой KAUST нейроморфный чип превосходит другие платформы нейросетей по быстродействию в 20 раз и в 200 раз — по энергоэффективности. Далее в планах исследователей — улучшение дизайна и оптимизация упаковки, миниатюризация чипа и его адаптация для различных приложений посредством альянсов с производственными партнёрами.