Искусственные нейроны: революция в нейроморфных вычислениях

Исследователи из Университета Южной Калифорнии (USC) разработали искусственные нейроны, способные воспроизводить сложное электрохимическое поведение биологических клеток мозга. Эта инновация, задокументированная в журнале Nature Electronics, представляет собой значительный шаг вперед в области нейроморфных вычислений.

Новая разработка позволит сократить размер чипов в разы, снизить энергопотребление и приблизить создание искусственного общего интеллекта (AGI). В отличие от традиционных цифровых процессоров или существующих нейроморфных чипов на основе кремниевых технологий, которые лишь имитируют нейронную активность, эти искусственные нейроны физически воплощают аналоговую динамику своих биологических аналогов.

В то время как нейрохимикаты инициируют активность мозга, в разработке USC химические вещества используются для запуска вычислений в нейроморфных устройствах. Физическое воспроизведение биологического процесса отличает их от предыдущих итераций искусственных нейронов, основанных исключительно на математических уравнениях.

Работа, возглавляемая профессором компьютерных и электрических наук USC Джошуа Янгом, представляет новый тип искусственного нейрона, основанный на так называемом диффузионном мемристоре. Это устройство, в отличие от кремниевых технологий, где вычисления основаны на движении электронов, использует движение атомов.

Как работает устройство

В биологическом процессе мозг использует как электрические, так и химические сигналы для передачи информации. Нейроны преобразуют электрические сигналы в химические на синапсах, а затем обратно в электрические для обработки данных. Исследователям USC удалось с высокой точностью эмулировать этот физический процесс.

Ключевое преимущество: диффузионный мемристор требует места всего одного транзистора, в отличие от десятков или сотен, используемых в традиционных конструкциях. В биологической модели ионы, или заряженные частицы, помогают генерировать электрические сигналы, инициирующие действие внутри нейрона. В человеческом мозге эти процессы зависят от химических веществ, таких как калий, натрий или кальций.

В своей работе команда USC использует ионы серебра в оксиде для генерации электрического импульса и эмуляции процессов, необходимых для выполнения таких задач, как движение, обучение и планирование. "Физика, управляющая движением ионов, очень схожа", — отмечает Джошуа Янг. "Серебро легко диффундирует и обеспечивает нам динамику, необходимую для эмуляции биосистемы, позволяя достичь функциональности нейронов при очень простой структуре".

Новое устройство, названное диффузионным мемристором, основано на движении ионов и динамической диффузии с использованием серебра. Янг подчеркивает, что ионная динамика выбрана для построения искусственных интеллектуальных систем, поскольку она лежит в основе работы человеческого мозга — наиболее эффективного известного нам интеллектуального механизма.

Энергоэффективность и обучение

"Это более эффективно. Наши чипы и компьютеры не столько недостаточно мощны, сколько недостаточно эффективны. Они потребляют слишком много энергии", — объясняет Янг. Это особенно актуально для энергоемких задач машинного обучения, необходимых для искусственного интеллекта.

Янг добавляет, что существующие вычислительные системы не были изначально предназначены для обработки огромных объемов данных или самостоятельного обучения на малом количестве примеров. Повышение эффективности как энергопотребления, так и обучения возможно путем создания искусственных систем, работающих по принципам, наблюдаемым в мозге.

Хотя электроны обеспечивают высокую скорость в современных вычислениях, ионы являются лучшей средой для эмуляции принципов работы мозга. Легкость и летучесть электронов способствуют программному обучению, тогда как мозг обучается аппаратным образом, перемещая ионы через мембраны. Это обеспечивает энергоэффективное и адаптивное обучение непосредственно в аппаратном обеспечении, или, как говорят некоторые, в "мокром ПО" (wetware).

Примером может служить ребенок, который учится распознавать рукописные цифры, увидев всего несколько примеров каждой. Человеческий мозг достигает этого, потребляя около 20 Вт, в то время как суперкомпьютеры могут требовать мегаватты.

Перспективы и ограничения

Серебро, используемое в эксперименте, не полностью совместимо с традиционным производством полупроводников, поэтому для достижения аналогичной функциональности потребуется исследовать альтернативные ионные виды.

Эффективность диффузионных мемристоров проявляется не только в энергопотреблении, но и в размере. Обычно смартфон содержит около 10 чипов с миллиардами транзисторов. С новой разработкой для каждого нейрона используется площадь одного транзистора. Это позволит уменьшить размеры чипов в разы и снизить энергопотребление, делая возможным устойчивое развитие ИИ.

"Теперь, когда мы продемонстрировали компактные и функциональные строительные блоки — искусственные синапсы и нейроны, — следующий шаг — интегрировать их большое количество и проверить, насколько точно мы сможем воспроизвести эффективность и возможности мозга", — говорит Янг. "Еще более захватывающей является перспектива того, что такие системы, имитирующие мозг, помогут нам лучше понять, как работает сам мозг".