Neuronen speichern und übertragen Informationen im Gehirn Quelle: CNRI / SPL
Ein Neuron-basierter supraleitender Computerchip, der Informationen effizienter und schneller verarbeitet als das menschliche Gehirn.Neue Errungenschaften, die kürzlich in Progress in Science veröffentlicht wurden, könnten Wissenschaftler dazu bringen, hochmoderne Computergeräte zu entwickeln, um biologische Mimikry-Systeme zu entwerfen Ein wichtiger Maßstab. Obwohl es noch viele Hindernisse gibt, bevor es im Handel erhältlich ist, öffnet die Studie die Tür zu einer natürlicheren maschinellen Lernsoftware.
Heutzutage fängt die Software für künstliche Intelligenz zunehmend an, das menschliche Gehirn zu imitieren, und Algorithmen wie Google's automatische Bildklassifizierung und Sprachlernprogramme können auch komplexe Aufgaben unter Verwendung künstlicher neuronaler Netze ausführen, da herkömmliche Computersoftware jedoch nicht entworfen werden kann Mit einem Gehirn ähnlichen Algorithmus benötigen diese Maschinen mehr Rechenleistung als das menschliche Gehirn.
"Es wird sicherlich einen besseren Weg geben, dies zu tun, weil die Natur eine bessere Lösung finden wird", sagte Studienkoautor Michael Schneider, Physiker am National Institute of Standards and Technology (NIST).
NIST ist eines von mehreren Teams, die neuromorphe Hardware entwickeln wollen, die das menschliche Gehirn nachahmt, und hoffentlich wird die neuromorphe Hardware eine Gehirn-ähnliche Software effizienter betreiben.In herkömmlichen elektronischen Systemen sind Transistoren häufig in regelmäßigen Abständen angeordnet Die genaue Menge an Information wird verarbeitet (binäre Ziffern 0 oder 1), aber neuromorphe Hardware kann eine kleine Menge an Information von mehreren Quellen akkumulieren und diese Information ändern, um eine andere Art von Signal zu erzeugen und, falls erforderlich, einen Strom zu emittieren So wie sich Neuronen entladen, benötigt diese neuromorphe Hardware weniger Energie.
Jedoch waren diese Vorrichtungen bisher unwirksam, insbesondere wenn Transistoren Informationen über Lücken oder Synapsen übertragen müssen, so dass das Schneider-Team Niob-Supraleiter verwendete, um neuronenähnliche Elektroden zu erzeugen, die Elektrizität ohne Widerstand leiten können Forscher verwendeten, Mangan Supraleiter Hohlräume füllen tausende von magnetischen Nanoclustern.
Durch Ändern der Anzahl des Magnetfeldes in der Synapse, werden die Nanocluster in einer anderen Richtung ausgerichtet sind. Dies ermöglicht es, das System Informationen in den Leistungsstufen und der magnetischen Richtung zu codieren, so dass das System robuster als andere Systeme neuromorphen Rechenleistung und zusätzlichen physischen Raum nicht in Anspruch nehmen.
Diese Synapsen können entladen Milliarden Mal pro Sekunde, um das Übersetzungsverhältnis der menschlichen Neuron Größenordnung schneller, während der Energieverbrauch des Systems ist nur ein Zehntausendstel eines biologischen Synapse. In der Computersimulation, die Übertragung auf den nächsten bevor eine Elektrode können synthetische Neuronen, das durch bis zu 9, wobei die Eingangsinformationen Quellen überprüfen, aber wenn das System auf komplexe Berechnungen frühere Techniken für basiert, erfordern tausende von Synapsen, zeigt Schneider, ob dieses Niveau weiter ausgebaut werden kann, um bis weitere Untersuchungen und Analysen.
Ein weiteres Problem besteht darin, dass die Synapsen nur bei nahe dem absoluten Nullpunkt der Temperatur betrieben werden kann, während die Notwendigkeit von flüssigem Stickstoff zu verwenden, um abzukühlen. Manchester University Computer-Ingenieur Steven Furber wies darauf hin, dass dies der Chip in kleinen Geräten praktisch werden lassen sein, trotz der großen Datenzentren können sie verarbeiten kann. Schneider aber gesagt, dass der traditionellen Betrieb eines elektronischen Systems im Vergleich zu einer beträchtlichen Menge an Rechenleistung aufweist, kann die Kühlvorrichtung weniger Energie benötigt.
California Institute of Technology Elektroingenieur Carver Mead die Studie gelobt, und die neue Berechnungsmethode es neuromorphe nennen. ‚Zur Zeit voller Hype in diesem Bereich sind wir uns, die gute Arbeit in objektiver Weise zu sehen, in der Lage sein präsentiert ‚, sagte er, aber bevor der Chip auch eine sehr lange Zeit, aber jetzt können reale Flächen berechnen ist, müssen sich ein heftiger Wettbewerb und Herausforderungen von vielen anderen neuromorphe Computing-Geräten.
Furber betont auch die große Bandbreite an praktischen Anwendungen dieses neuen Geräts. "Diese Gerätetechnologie ist ebenfalls sehr interessant, aber jetzt sind uns die Hauptmerkmale dieser biologischen Synapsen nicht vollständig bekannt und wir wissen nicht, wie wir sie effizienter nutzen können. Zum Beispiel, sagte er, gibt es noch viele Probleme, die in diesem Moment angegangen werden müssen: Wie formen sich diese Synapsen selbst, wenn sie sich bilden? Dies macht es sehr schwierig für Forscher, den Prozess in Speicherchips neu aufzubauen.
Trotzdem sagte Furber, dass es 10 Jahre oder länger dauern wird, bis ein neues Computergerät auf den Markt kommt, und obwohl Neurowissenschaftler es schwer haben, das menschliche Gehirn zu verstehen, ist es unerlässlich, dass sie so viele verschiedene Techniken wie möglich entwickeln.