Лента TH Новости Искусственный интеллект



Искусственные синапсы для процессоров

∴ 349

Прямо сейчас, вы носите в себе самый мощный компьютер – человеческий мозг.

1247

Это, естественно, суперэффективная машина. Машина, что намного лучше, чем всё, что когда-либо создавали люди. Поэтому неудивительно, что ученые пытаются её перепроектировать. Вместо бинарных основ, нейроморфные компьютеры построены на базе сетей искусственных нейронов. Теперь команда MIT разработала более реалистичный синапс, чтобы лучше соединить эти нейроны.

Для простоты (если ты программист, трансгуманист то пропускай абзац): компьютеры обрабатывают и хранят информацию в двоичном коде. Все можно разбить на ряд единиц и нулей. И эта система служит нам последние 70 лет.
Выход на новую аналоговую систему на уровне «серых областей», может в несколько раз ускорить рост вычислительных мощностей. В дополнение к Закону [экстраполяции] Мура.

Мозг – идеальная модель для таких систем. Хотя мы едва коснулись этой сферы. Достоверно, мы не знаем, как это работает. Мы знаем, что мозг занимается как аналоговыми, так и цифровыми сигналами. Главное отличие, что мозг выполняет много операций параллельно. Это благодаря примерно 100 миллиардам нейронов, динамически общающихся друг с другом посредством 100 триллионов синапсов (около того).

В то время как нейронные сети имитируют человеческое мышление со стороны программного обеспечения, нейроморфные чипы гораздо более похожи на мозг в архитектуре своего функционирования. Их архитектура состоит из искусственных нейронов, которые обрабатывают данные и общаются друг с другом посредством искусственных синапсов. Суперкомпьютер TrueNorth от IBM является одной из самых мощных нейроморфных систем, и Intel недавно представила более скромный, ориентированный на исследования чип, который он называет Loihi.

В обычных нейроморфных чипах, синапсы изготавливаются из аморфных материалов, вставленных между проводящими слоями соседних нейронов. Ионы протекают через этот материал при напряжении, передавая данные между нейронами. Проблема в том, что они могут быть непредсказуемыми, с дефектами в переключающей среде, посылающей ионы, блуждающие в разных направлениях.

Как только вы запускаете хоть какое-то напряжение, чтобы представить данные с помощью искусственного нейрона, вы должны стереть и записать данные – без потерь. Но в аморфном твердом теле, когда вы работаете с информацией снова и снова, ионы текут в разных направлениях, потому что материал вмещает много дефектов. Этот поток меняется, и его трудно контролировать. И это самая большая проблема – неравномерность искусственного синапса.Джейхуан Ким, ведущий исследователь проекта.

Для борьбы с проблемой исследователи Массачусетского технологического института разработали новую среду для искусственного синапса. Они начали с пластины монокристаллического кремния, на которую нанесен слой кремниевого германия. Оба материала имеют решетчатую структуру, но рисунок кремниевого германия несколько больше. При наложении материалов образуется воронка, способная удерживать ионы.

Затем команда проверила все готовые чипы. По результатам, количество ошибок было на уровне 4%. Было также установлено, что отдельный синапс, что прошел более чем 700 циклов, поддерживает постоянный обмен с ошибками в 1 процент.

Это наиболее унифицированное устройство, которое мы смогли произвести. Оно является ключом к демонстрации искусственных нейронных сетей.Джейхуан Ким, ведущий исследователь проекта.

Затем ученые протестировали чип в нейронной сети. Тестирование проходило с помощью имитированного теста. Ученые использовали искусственную нейронную сеть, которая функционировала так, как будто состояла из трех слоев нейронов, связанных с двумя слоями синапсов. Затем ученые загрузили данные по десяткам тысяч образцов почерка и обнаружили, что система смогла распознать 95 процентов образцов, которые затем были предложены для распознания.
Сейчас команда планирует разработать физический нейроморфный чип, который может справиться с этой задачей в реальном мире.

В конечном итоге, все мы хотим чип размером с ноготь, что способен заменить один большой суперкомпьютер. Это открывает ступеньку для производства оборудования на основе искусственного интеллекта. Джейхуан Ким, ведущий исследователь проекта.

Филипп Дончев