Искусственные нейроны воспроизводят биологическую функцию: шаг к энергоэффективным мозговым чипам

От имитации к воплощению биологических процессов

В отличие от существующих нейроморфных устройств, которые лишь моделируют активность мозга в цифровом виде, новая разработка физически воспроизводит аналоговую динамику нейронов.
Исследователи использовали диффузионные мемристоры — устройства, в которых вычисления происходят не за счёт движения электронов, как в кремнии, а благодаря перемещению ионов.

Такой подход, объясняет руководитель работы профессор Джошуа Янг, позволяет чипам «работать так, как работает мозг»:

«Мозг — это победитель эволюции, самый эффективный интеллектуальный двигатель. Мы используем ионную динамику, потому что именно она лежит в основе естественного обучения».

Как работает диффузионный мемристор

В человеческом мозге нейроны используют ионы — калия, натрия и кальция — для передачи сигналов и запуска действий. В экспериментальном устройстве команда Янгa применила ионы серебра в оксиде, чтобы эмулировать аналогичный процесс и воспроизвести вычисления, подобные тем, что происходят в мозге.

Главное преимущество нового нейрона — радикальная простота. Он требует всего одного транзистора, в то время как традиционные схемы используют десятки или сотни. Это обеспечивает снижение энергопотребления и размера чипа на порядки.

«Если обычные системы работают с электронами, наши устройства — с ионами. Ионы позволяют обучаться на аппаратном уровне, а не только на уровне программного кода. Это приближает нас к естественному, энергоэффективному обучению мозга», — отмечает Янг.

Энергоэффективность и потенциал для ИИ

Современные суперкомпьютеры требуют мегаватты энергии для обучения крупных моделей ИИ. Человеческий мозг, напротив, выполняет колоссальные вычисления, потребляя около 20 ватт — примерно как лампочка.
Новая технология обещает устойчивое выполнение ИИ-задач, позволяя устройствам обучаться «на лету» и адаптироваться к изменениям без внешних вычислительных мощностей.

По словам Янга, если ребёнку нужно увидеть всего несколько примеров, чтобы распознать цифру, то компьютерной модели требуются тысячи. Новые чипы смогут сократить этот разрыв за счёт аппаратного обучения, встроенного прямо в нейронные узлы.

Следующий шаг — мозговые сети на чипе

Исследователи отмечают, что серебро пока несовместимо с промышленными процессами, но уже изучают альтернативные ионные материалы, подходящие для массового производства.

«Теперь, когда у нас есть искусственные синапсы и нейроны как строительные блоки, следующий шаг — объединить их в масштабные сети и проверить, насколько точно они могут воспроизвести эффективность мозга», — говорит Янг.

Учёные надеются, что эти системы не только ускорят развитие энергоэффективного ИИ, но и помогут лучше понять сам мозг — его физику, химию и фундаментальные принципы мышления.

Если вам понравился материал, кликните значок - вы поможете нам узнать, каким статьям и новостям следует отдавать предпочтение. Если вы хотите обсудить материал - не стесняйтесь оставлять свои комментарии : возможно, они будут полезны другим нашим читателям!