Ovatko neuromorfiset järjestelmät korkean suorituskyvyn laskennan tulevaisuus?

Aikaleima: 8. maaliskuuta 2022 10
Lähdesolmu: 1205029

Ihmisaivot ovat erittäin hyviä tallentamaan ja käsittelemään tietoa. Vaikka tietomme aivojen toiminnasta ei ole suinkaan täydellistä, tutkijat ja insinöörit kehittävät laskentateknologioita, jotka jäljittelevät hermosolujen toimintaa aivoissa. Tämä ei ole vain nopeampien tietokoneiden rakentamista; aivot ovat myös erittäin energiatehokkaita ja varhaiset merkit viittaavat siihen, että neuromorfiset järjestelmät voisivat parantaa energiatehokkuutta. Tämä on tärkeä näkökohta, koska energiankulutus ja hukkalämpö rajoittavat tavanomaista elektroniikkaa.

Suuri kysymys alalla työskenteleville on, kuinka pitkälle meidän pitäisi mennä aivojen matkimisessa. Pitäisikö tulevien järjestelmien olla neuromorfisia – yrittää luoda järjestelmiä, jotka ovat mahdollisimman lähellä aivoja – vai pitäisikö niiden olla aivojen inspiroimia sen sijaan, että ne matkisivat niitä?

Hyvä tapa ajatella tätä on lintujen ja lentokoneiden välinen suhde. Ihmisten lentoa inspiroivat linnut, ja lentokone matkii useita lintulentoa – ilmeisin on kaksi siipeä. Mutta lentokone ei suinkaan ole kopio linnusta – suihkumoottorit ovat hyvin erilaisia ​​kuin esimerkiksi siipien räpyttelylihakset.

Neljä asiantuntijaa

Tällä viikolla neljä asiantuntijaa osallistui a keskustelu neuromorfisten järjestelmien tulevaisuuden roolista tietojenkäsittelyssä. Tilaisuuden puheenjohtajana toimi Regina Dittmann, joka on sähköisten materiaalien asiantuntija Forschungszentrum Jülichissä Saksassa.

Neuromorfisen laskennan puolesta väitettiin Kwabena Boahen – Stanfordin yliopiston Brains in Silicon -laboratorion perustaja ja johtaja Kaliforniassa – ja Ralph Etienne-Cummings, joka johtaa Computational Sensory-Motor Systems -laboratoriota Johns Hopkinsin yliopistossa Marylandissa.

Kannattivat varovaisuutta Yann LeCun – joka on Metan (Facebook) johtava tekoälytutkija ja New Yorkin yliopiston Computational Intelligence, Learning, Vision ja Robotics Labin jäsen – ja Bill Dally on johtava tutkija NVIDIA:ssa ja Bio-X:n jäsen Stanfordin yliopistossa.

Integrointi 3D:hen

Boahen aloitti keskustelun sanomalla, että neuromorfisen laskennan menestys riippuu kyvystämme integroida ja skaalata komponentteja samalla tavalla kuin puolijohdeteollisuus saavutti eksponentiaalisen kasvun transistorien lukumäärässä sirulla useiden vuosien ajan. Havainnollistaakseen, kuinka tärkeä aikavakio tässä neuromorfisessa Mooren laissa, hän käytti huvittavaa neuromorfisen laskentatehon yksikköä – kapybaran aivoja – jota hän vertasi kärpäsen aivoihin.

Siirtyminen 2D-arkkitehtuureista 3D-arkkitehtuureihin auttaisi edistämään integraatiota, Boahen uskoo, mutta haasteita on monia.

Etienne-Cummings huomautti, että neuromorfinen laskenta on hyvin erilaista kuin perinteinen laskenta. Toisin kuin tietokoneen elektroniset pulssit, hermojärjestelmän jännitepiikit eivät kuljeta tietoa, vaan piikien väliset välit ovat tärkeitä. Eräässä mielessä neuromorfiset järjestelmät ulottuvat neljänteen ulottuvuuteen.

lääketieteelliset sovellukset

Hän korosti, että piikkipohjaisilla neuromorfisilla järjestelmillä on tärkeä rooli biologisten järjestelmien integroinnissa tavanomaisten tietokoneiden kanssa. Tämä johtaisi parempiin lääketieteellisiin teknologioihin, kuten esimerkiksi proteeseihin.

Puhuessaan neuromorfisen laskennan rajoituksista Dally huomautti, että piikit ovat tehoton tapa esittää lukuja. Tämä tarkoittaa, että ne eivät ole erityisen hyödyllisiä monien tehtävien suorittamiseen, joita tällä hetkellä tekevät perinteiset tietokoneet. Hän sanoikin, että meidän on pohdittava enemmän, mitkä hermoverkkomallit sopivat mihinkin tehtäviin – linnun ja lentokoneen esimerkin avulla. Neuromorfiset järjestelmät olisivat hyödyllisiä biologian simuloinnissa, hän sanoi.

LeCun oli samaa mieltä tarpeesta olla älykäs sen suhteen, mitä kopioimme aivoista tietokonejärjestelmissä. Hän huomautti, että neuromorfiseen laskemiseen tarvittavaa analogista elektroniikkaa on tällä hetkellä erittäin vaikea rakentaa ja integroida, ja kysyi, onko tekniikan vallankumous tulossa.

Neuromorfiset kiihdyttimet

Hän sanoi, että neuromorfiset järjestelmät voisivat löytää käyttöä kiihdyttiminä, jotka suorittavat tiettyjä tehtäviä tavanomaisille laskentajärjestelmille. Esimerkkinä hän antoi lisätyn todellisuuden silmälasien kiihdytin.

Joten, vakuuttivatko yleisön neuromorfiset kannattajat vai skeptikot? Dittmanin keskustelun alussa tekemä kysely osoitti, että 46 prosenttia yleisöstä oli samaa mieltä siitä, että neuromorfiset järjestelmät ovat korkean suorituskyvyn laskennan tulevaisuus. Keskustelun jälkeen tämä nousi 56 prosenttiin, joten kyllä ​​se on.

Voit rekisteröityä seuraamaan keskustelua tästä: Tehokkaan tietojenkäsittelyn tulevaisuus: ovatko neuromorfiset järjestelmät vastaus? Keskustelua sponsoroi lehti Neuromorfinen laskenta ja tekniikka. Sen on julkaissut IOP Publishing, joka myös tuo sinulle Fysiikan maailma.

Viesti Ovatko neuromorfiset järjestelmät korkean suorituskyvyn laskennan tulevaisuus? ilmestyi ensin Fysiikan maailma.

Aikaleima:

Lisää aiheesta Fysiikan maailma