Superlaidieji neuronai gali atitikti smegenų energijos vartojimo efektyvumą

Švytinti konceptuali smegenų iliustracija Getty

Žmogaus smegenys yra pats įspūdingiausias mokslui žinomas skaičiavimo įrenginys. Smegenys veikia vos kelių hercų taktiniu dažniu, kaip sraigė, palyginti su šiuolaikiniais mikroprocesoriais, kurie veikia gigahercų greičiu.

Tačiau jis įgyja savo galią atlikdamas daugybę skaičiavimų vienu metu – milijardą milijardų skaičiavimų per sekundę. Šis lygiagretumas leidžia lengvai išspręsti problemas, kurias įprasti kompiuteriai dar turi išspręsti: vairavimas, ėjimas, pokalbis ir pan.

Dar įspūdingiau yra tai, kad visa tai daro varomas šiek tiek daugiau nei dubenėlis košės. Priešingai, galingiausi pasaulio superkompiuteriai sunaudoja daugiau energijos nei dideli miestai.

Štai kodėl kompiuterių mokslininkai nori nukopijuoti žmogaus smegenų našumą, naudodami neuroninius tinklus kaip skaičiavimo arklius.

Tai lengviau pasakyti nei padaryti. Įprastus lustus galima užprogramuoti taip, kad jie veiktų kaip neuroniniai tinklai, tačiau tai reikalauja daug skaičiavimų ir eikvoja energiją.

Vietoj to kompiuterių mokslininkai nori sukurti dirbtinius neuronus ir sujungti juos į smegenis primenančius tinklus. Tai gali būti žymiai efektyvesnis energijos suvartojimui, tačiau niekas nesugalvojo tokio dizaino, kuris būtų artimas smegenų efektyvumui.

Iki šiandien. Įstojo Emily Toomey iš MIT ir pora kolegų, kurie sukūrė superlaidų neuroną, pagamintą iš nanolaidų, kuris daugeliu atžvilgių elgiasi kaip tikras. Jie sako, kad jų prietaisas atitinka smegenų energijos vartojimo efektyvumą (bent jau teoriškai) ir yra naujos kartos superlaidžių neuroninių tinklų, kurie bus daug efektyvesni nei įprasti skaičiavimo mechanizmai, blokas.

Pirmiausia šiek tiek fono. Neuronai koduoja informaciją elektrinių smaigalių arba veikimo potencialų pavidalu, kurie keliauja išilgai nervo. Į smegenis panašiuose tinkluose neuronai yra atskirti vienas nuo kito spragomis, vadinamomis sinapsėmis.

Informacija gali pereiti per šias sinapses ir taip paveikti kitus neuronus, paskatinti juos sudeginti arba slopinti taip, kad jie negalėtų šaudyti. Iš tiesų, tai leidžia neuronams veikti kaip loginiai vartai, sukuriantys vieną išvestį, reaguodami į kelis įėjimus.

Biologiniai neuronai turi daug svarbių savybių, dėl kurių tai įmanoma. Pavyzdžiui, jie nešauna, nebent įvesties signalas viršija tam tikrą slenkstinį lygį, ir jie negali vėl įsižiebti, kol nepraeis tam tikras laikas, vadinamas ugniai atspariu periodu. Ir laikas, per kurį smaigalys nukeliauja palei aksoną – neurono kūną – taip pat yra svarbus, nes jis koduoja atstumą, kurį smaigalys nukeliavo.

Dirbtinis neuronas turi sugebėti atkurti kuo daugiau šių savybių. Tam paprastai reikia tam tikros sudėtingos grandinės.

Tačiau Toomey ir bendradarbiai pabrėžia, kad superlaidžiai nanolaidai turi ypatingą netiesinę savybę, leidžiančią jiems veikti kaip neuronams. Ši savybė atsiranda dėl to, kad nanovielio superlaidumas sugenda, kai per jį tekanti srovė viršija tam tikrą ribinę vertę.

Kai taip atsitinka, pasipriešinimas staiga padidėja, sukuriant įtampos impulsą. Šis impulsas yra analogiškas neurono veikimo potencialui. Naudojant jį moduliuoti dar vieną impulsą, kurį sukuria antrasis superlaidus nanolaidas, modeliavimas tampa dar tikroviškesnis.

Taip sukuriama paprasta superlaidžioji grandinė, turinti daug biologiniams neuronams būdingų savybių. Toomey ir co parodė, kad superlaidus neuronas turi užsidegimo slenkstį, ugniai atsparų laikotarpį ir kelionės laiką, kurį, be kitų savybių, galima reguliuoti pagal grandinės savybes.

Labai svarbu, kad šis superlaidus neuronas taip pat gali būti naudojamas kitiems neuronams suaktyvinti arba slopinti. Ir ši fanout savybė yra labai svarbi kuriant tinklus. To niekada nepavyko pasiekti kitiems superlaidžių neuronų projektams.

Kadangi superlaidžios grandinės naudoja labai mažai energijos, Toomey ir bendradarbių skaičiavimai rodo, kad toks superlaidus neuroninis tinklas gali atitikti biologinių neuroninių tinklų efektyvumą.

Nuopelnų skaičius yra sinapsinių operacijų, kurias neuroninis tinklas gali atlikti kiekvieną sekundę naudodamas vatą, skaičius. Toomey ir bendradarbiai teigia, kad jų siūlomas tinklas turėtų prilygti žmogaus smegenims, valdydamas maždaug 1014 sinapsinių operacijų per sekundę vienam vatui. Pasak jų, nanolaidinis neuronas gali būti labai konkurencinga technologija, kuri gali būti ir greitis.

Žinoma, yra apribojimų. Galbūt svarbiausias dalykas yra tai, kad superlaidus neuronas gali prisijungti tik prie kelių kitų neuronų. Priešingai, kiekvienas žmogaus smegenų neuronas jungiasi su tūkstančiais kaimynų. Ir šiuo metu „Toomey“ ir „co“ dizainas išlieka tik tokiu – dizainu.

Nepaisant to, modeliavimas yra daug žadantis. Čia atlikta analizė rodo, kad nanolaidinis neuronas yra perspektyvus kandidatas mažos galios dirbtinių neuroninių tinklų pažangai, teigia komanda.

Ir potencialas yra reikšmingas. Toomey ir bendradarbiai teigia, kad superlaidūs neuroniniai tinklai galėtų būti visiškai naujos kompiuterinės įrangos superlaidžių neuroninių tinklų forma. Šiuos lustus būtų galima sujungti į tinklą naudojant superlaidžią jungtį, dėl kurios šiluma neišsisklaidytų.

Rezultatas būtų didelio masto neuromorfinis procesorius, kurį būtų galima išmokyti kaip smailėjantį neuronų tinklą, kad būtų galima atlikti tokias užduotis kaip modelio atpažinimas arba naudojamas modeliuoti didelio, biologiškai tikroviško tinklo smailėjančią dinamiką.

Tai įdomus darbas, nors norint pradėti kurti jaudulį, reikia parodyti principą.

Nuoroda: arxiv.org/abs/1907.00263 : energiją taupantis dirbtinis neuronas, naudojantis superlaidžius nanolaidus

paslėpti