Исследователи из Sandia National Laboratories показали, что нейроморфные компьютеры, синтетически воспроизводящие логику мозга, могут решать задачи более сложные, чем те, которые ставит ИИ.
В статье, недавно опубликованной в журнале Nature Electronics, исследователи подробно описали свои результаты, показывающие, что нейроморфное моделирование с использованием статистического метода, называемого случайным блужданием, может выполнять все виды сложных вычислений, таких как отслеживание рентгеновских лучей, проходящих через кости и мягкие ткани. пересечение населения, распространение информации в социальных сетях и многое другое.
По словам главного исследователя Sandia и нейробиолога-теоретика Джеймса Брэдли Эймона, нейроморфные компьютеры могут даже решать проблемы быстрее, используя меньше энергии, чем обычные вычисления в оптимальных случаях. Это должно представлять особый интерес для сообщества высокопроизводительных вычислений (HPC), поскольку статистические задачи не очень подходят для GPU или CPU.
Инженер Sandia и автор новой статьи Брайан Франке предоставил дополнительную информацию в пресс-релизе о том, как нейроморфные компьютеры могут быть более эффективными, чем графические процессоры в определенных сценариях, заявив:
«Естественная случайность процессов, которые вы перечисляете, сделает их неэффективными при прямом отображении на векторные процессоры, такие как графические процессоры, в вычислительных усилиях следующего поколения. Между тем, нейроморфные архитектуры представляют собой интригующую и радикально отличающуюся альтернативу моделированию частиц, которая может привести к масштабируемому и энергоэффективный подход к решению важных для нас проблем.
нейроморфные вычисления
Для проведения своих тестов исследователи из Sandia использовали платформу Loihi на 50 миллионов чипов, полученную ими полтора года назад от Intel.
Хотя неоморфные вычисления не предназначены для того, чтобы бросить вызов другим вычислительным методам, есть и другие области, в которых сочетание скорости вычислений и низких затрат энергии делает их лучшим вариантом, по мнению Аймоне.
В то же время чипы, содержащие искусственные нейроны, дешевы и просты в установке, в отличие от сложности добавления кубитов в квантовые компьютеры. Однако перемещение данных в процессоры нейрочипов или из них может быть дорогостоящим, потому что чем больше данных они собирают, тем медленнее работает система, которая их использует, пока она не перестанет работать вообще. Исследователям Sandia удалось преодолеть это препятствие, настроив небольшую группу нейронов, которые вычисляли сводную статистику, которая производилась вместо необработанных данных.
Подобно человеческому мозгу, нейроморфные чипы работают, электризуя небольшие булавочные структуры и добавляя небольшие заряды, испускаемые окружающими датчиками, до тех пор, пока не будет достигнут определенный электрический уровень. Затем булавка излучает короткий разряд электричества, как биологический нейрон.
В будущем следующая версия Loihi увеличит текущий масштаб чипа со 128 000 нейронов на чип до миллиона с помощью крупномасштабных систем, которые объединяют несколько чипов на одной плате. Со временем такие технологии, как Loihi, могут стать высокопроизводительной вычислительной платформой, которая поможет сделать высокопроизводительные вычисления более энергоэффективными и экологичными, а также более доступными.