Penyelidik Mimic Otak Manusia Untuk Membuat Rangkaian Neural Tenaga Rendah

Rangkaian saraf - atau replika tiruan otak manusia - biarkan saintis dan jurutera menjalankan analisis yang akan mengambil umur manusia. Mereka boleh mencurahkan melalui jadual data yang tidak berkesudahan dan menunjukkan perbezaan di dalam imej yang tidak akan disedari oleh orang.

Mereka mempunyai satu kelemahan walaupun: Jaring neural terbaik dalam permainan menggunakan tenaga yang luar biasa untuk melakukan pekerjaan mereka.

"Beberapa tahun yang lalu IBM cuba mensimulasikan aktiviti otak kucing di komputer super dan mereka akhirnya memakan megawatt kuasa," kata penyelidik Universiti Purdue Abhilil Sengupta Songsang. "Otak manusia biologi tidak menggunakan tempat yang berhampiran. Ini bukan perbandingan secara langsung ke rangkaian saraf, tetapi ia harus memberi anda anggaran bagaimana sistem pengkomputeran kuasa lapar."

Sengupta dan sekumpulan saintis komputer di Purdue University dan Institut Jurutera Elektrik dan Elektronik (IEEE) datang dengan cara untuk mendapatkan rangkaian saraf untuk menggunakan tenaga yang kurang tenaga sambil melakukan pekerjaan kick-ass. Kertas yang telah mereka pasang pada tapak preprint arXiv menerangkan bagaimana mereka mengambil inspirasi dari otak manusia dan melaksanakan idea mereka untuk membolehkan jaringan saraf mereka menggunakan kira-kira 11 kali kurang tenaga daripada sistem tradisional.

Pendekatan mereka menggunakan rangkaian saraf spiking, atau SNN. Tidak seperti rakan-rakan mereka, sistem pengkomputeran ini mencontohi neuron biologi dengan lebih tepat.

Jaring saraf piawai terdiri daripada beribu-ribu nod yang digunakan untuk membuat keputusan dan pertimbangan mengenai data yang dikemukakan kepada mereka. Output daripada ini bergantung hanya pada apa yang sedang dibentangkan, sementara output SNN bergantung pada rangsangan sebelumnya juga. Nod dalam SNN hanya akan berfungsi apabila tahap rangsangan tertentu dicapai. Jadi bukan sentiasa lulus data ke nod lain, nod SNN hanya menyampaikan maklumat apabila mereka perlu.

Ini biasanya datang dengan kos tenaga gergasi kerana kebanyakan sistem ini dibuat dengan menggunakan teknologi oksida-oksida-semikonduktor, atau CMOS. Teknologi itu menjadikan semua cip dalam komputer riba anda dan telah digunakan sebagai blok bangunan untuk rangkaian saraf. Untuk kajian mereka, kumpulan penyelidik membanting teknologi CMOS dan membina sebuah SNN yang dibuat sepenuhnya daripada pemristin.

Pendek untuk "perintang memori", rintangan elektrik pemristors bergantung kepada berapa banyak cas elektrik yang mengalir melaluinya pada masa lalu. Jadi, tidak seperti teknologi CMOS, ia dapat "mengingati" apa yang telah melaluinya sebelum ini, yang betul-betul nod yang perlu dilakukan oleh SNN.

Hasil kajian menunjukkan bahawa pemristent meniru neuron biologi dengan baik. Mereka berkomunikasi antara satu sama lain menggunakan paku, atau pecahan tenaga yang pendek, berbanding dengan aliran kuasa yang tetap. Memristor-SNN ini mempunyai penurunan ketepatan yang sedikit apabila ia digunakan untuk klasifikasi imej berbanding dengan rakan CMOSnya, tetapi ia mengambil sebahagian kecil daripada jaring neural standard kuasa.

Sebelum kajian ini SNN adalah perkara yang paling dekat dengan otak manusia tiruan yang kita ada, tetapi jumlah besar kuasa yang mereka ambil untuk menggunakan dibatalkan beberapa faedah mereka. Sekiranya saintis lain dapat meniru rangkaian neural penjimatan tenaga ini, ia dapat membolehkan mereka berbuat lebih banyak dengan tenaga yang kurang dan bergerak lebih dekat untuk memahami cara meniru otak biologi.