Сверхпроводящие нанопроволочные нейроны достигают эффективности человеческого мозга

Искусственный нейрон из сверхпроводящих нанопроволок работает так же эффективно, как мозг

Исследователи MIT спроектировали искусственный нейрон из сверхпроводящих нанопроволок. В теории простая схема таких нейронов может работать так же эффективно, как человеческий мозг. Сеть может выполнять сто триллионов синаптических операций в секунду на ватт.

Самое увлекательное вычислительное устройство, известное науке — человеческий мозг. Он может выполнять различные сложные операции с помощью групп единственного компонента — нейрона.

В отличие от современных ЦП, работающих на гигагерцах, мозг работает на тактовой частоте всего нескольких герц. Однако он выполняет триллионы вычислений в секунду [параллельно], что позволяет людям легко делать сложные вещи, которых традиционные компьютеры еще не достигли: разговаривать, ходить, водить и так далее.

По сравнению с современными вычислительными устройствами, наш мозг потребляет очень мало энергии для выполнения этих задач. Поэтому исследователи пытаются имитировать вычислительную производительность человеческого мозга, используя эффективные нейронные сети. Хотя традиционные микропроцессоры можно запрограммировать так, чтобы они вели себя как нейронные сети, они используют чрезмерное количество вычислительных ресурсов и энергии.

Чтобы решить эту проблему, ученые-компьютерщики из MIT придумали идею: создать искусственные нейроны и связать их в мозгоподобные сети. Для реализации этого дизайна они спроектировали искусственный нейрон из сверхпроводящих нанопроволок.

Устройство, сделанное из таких искусственных нейронов, может работать так же эффективно, как человеческий мозг (по крайней мере, в теории).

Основные особенности искусственного нейрона

Биологические нейроны генерируют электрические спайки для кодирования информации, которые проходят вдоль нерва. Информация передается другому нейрону через синапсы (соединение между двумя нервными клетками).

Другие нейроны могут либо передавать, либо блокировать эту информацию. Действительно, они могут вести себя как логические гейты, генерируя один выход в ответ на множественные входы.

Эти нейроны не срабатывают, если входящий электрический импульс не превышает определенного порогового значения. Они не могут сработать снова, пока не пройдет определенное количество времени, которое называется рефрактерным периодом.

Источник: arXiv:1907.00263

Новые сверхпроводящие нанопроволоки имитируют все эти особенности биологических нейронов. У них странное нелинейное свойство, позволяющее сверхпроводимости нанопроволоки разрушаться, когда через нее протекает ток выше порогового уровня.

Это происходит из-за резкого увеличения сопротивления, которое создает импульс напряжения, аналогичный электрическому спайку в биологическом нейроне. Он может использоваться для модуляции другого импульса, генерируемого второй нанопроволокой, делая симуляцию еще более точной.

Источник изображения: Adobe Stock

Таким образом, простая схема из нанопроволок может имитировать основные характеристики нейронов, включая порог срабатывания, время распространения (можно регулировать настройкой свойств схемы) и рефрактерный период.

Энергетическая эффективность и ограничения

Энергетическая эффективность таких сверхпроводящих схем может сравниваться с биологическими нейронными сетями. Согласно исследовательской команде, их предложенная искусственная нейронная сеть может выполнять около ста триллионов синаптических операций в секунду на ватт.

Симуляции выглядят многообещающе. Если успешно, это может быть высококонкурентная технология с точки зрения скорости и мощности. Дизайн может позволить крупномасштабный нейроморфный процессор, который можно обучать как импульсную нейронную сеть для выполнения сложных задач, таких как распознавание образов.

Как и другие концепции, у нее есть свои ограничения: сверхпроводящие нейроны могут быть связаны только с несколькими другими нейронами. В то время как биологический нейрон соединяется с тысячами других нейронов. Пока это просто дизайн, требующий доказательства принципа.