Ускорение ИИ: ученые совместили самый точный имитатор нейрона с DRAM

Опубликовал Олександр Федоткін

Китайские исследователи из Университета Фудань создали устройство на основе сверхтонкого полупроводникового монослоя дисульфида молибдена (MoS₂), способное имитировать реальные нейроны в головном мозге. 

С развитием систем ИИ и машинного обучения растет спрос на аппаратные компоненты для ускорения анализа данных и снижения энергопотребления. Поскольку алгоритмы машинного обучения вдохновлены работой нейронных сетей в головном мозге человека, ряд инженеров создает оборудование, имитирующее работу нейронов в мозге.

Нейроморфная аппаратная архитектура обычно включает в себя соединенные между собой искусственные нейроны. Со временем связь между ними может ослабляться, или наоборот — становиться крепче. Этот процесс напоминает синаптическую пластичность — способность мозга адаптироваться со временем в ответ на полученный опыт и обучение. Имитируя синаптическую пластичность, нейроморфные вычислительные системы способны эффективнее выполнять алгоритмы машинного обучения, потребляя меньше энергии и анализируя большие объемы данных.

Созданное китайскими учеными устройство сочетает динамическую память с с произвольным доступом (DRAM) и микросхемы на основе (MoS₂). По словам ведущих авторов исследования Инь Ваня, Сайфея Гоу и их коллег, нейроморфное оборудование, которое точно имитирует разнообразное поведение нейронов, может быть полезным для развития передовых систем искусственного интеллекта. 

Универсальная конструкция нейронного модуля/Nature

«Аппаратное обеспечение, включающее синаптическую пластичность — адаптивные изменения, усиливающие или ослабляющие синаптические связи — уже исследовалось, но имитация всего спектра процессов обучения и памяти требует взаимодействия множества механизмов пластичности, включая внутреннюю пластичность. Мы показываем, что нейрон, работающий по принципу интеграции и активации, может быть создан путем сочетания динамической памяти с произвольным доступом и инвертора на основе монослоя дисульфидных пленок в масштабе пластины», — объясняют исследователи. 

Разработанный искусственный нейрон состоит из динамической оперативной памяти (DRAM) на инверторной схеме. DRAM представляет собой систему памяти, способную хранить электрические заряды в конденсаторах. Величина электрического заряда в конденсаторах может модулироваться, имитируя изменения электрического заряда на мембране биологических нейронов, что в конечном итоге определяет их активацию.

Инвертор представляет собой электронную схему, способную преобразовывать входной сигнал высокого напряжения в сигнал с низким напряжением и наоборот. В искусственном нейроне это позволяет генерировать электрические импульсы, похожие на те, что возникают в реальных нейронах во время их активации.

«В этой системе напряжение в конденсаторе динамической памяти с произвольным доступом, то есть потенциал мембраны нейрона, можно модулировать, имитируя внутреннюю пластичность. Модуль также может имитировать фотопическую и скотопическую адаптацию зрительной системы человека, динамично регулируя ее световую чувствительность», — отмечают авторы исследования. 

Для оценки потенциала созданного искусственного нейрона исследователи создали несколько образцов и собрали их в массив 3×3. После этого они проверили возможность этой нейросети адаптировать собственные реакции на входные сигналы в зависимости от изменения освещения, имитируя адаптацию зрительной системы человека к различным условиям освещенности. Искусственный нейрон уже продемонстрировал собственную эффективность в моделях компьютерного зрения и распознавания изображений, потребляя при этом значительно меньше энергии. 

«Мы создали массив фоторецепторных нейронов 3×3 и продемонстрировали световое кодирование и зрительную адаптацию. Мы также используем нейронный модуль для моделирования биоинспирированной модели нейронной сети для распознавания изображений», — подчеркивают исследователи. 

Результаты исследования опубликованы в журнале Nature Electronics

Источник: TechXplore

Контент сайту призначений для осіб віком від 21 року. Переглядаючи матеріали, ви підтверджуєте свою відповідність віковим обмеженням.

Cуб'єкт у сфері онлайн-медіа; ідентифікатор медіа - R40-06029.