Inimese aju eeskujul trükkplaat

Pildikrediit: agsandrew

Pildikrediit: agsandrew


Stanfordi bioinsenerid on välja töötanud uue trükkplaadi, mis on modelleeritud inimese aju järgi, avades tõenäoliselt uued piirid robootikas ja andmetöötluses.

Kogu nende keerukuse tõttu kahvatuvad arvutid ajuga võrreldes. Näiteks hiire tagasihoidlik ajukoor töötab 9000 korda kiiremini kui personaalarvuti oma funktsioonide simulatsioon.


Arvuti pole mitte ainult aeglasem, vaid kulutab 40 000 korda rohkem energiat, kirjutab Stanfordi biotehnoloogia dotsent Kwabena Boahen.IEEE toimetised.

'Puhta energia seisukohast on aju raske omavahel sobitada,' ütleb Boahen, kelle artiklis uuritakse, kuidas Ameerika Ühendriikide ja Euroopa 'neuromorfsed' teadlased kasutavad räni ja tarkvara neuronite ja sünapsite jäljendamiseks elektrooniliste süsteemide loomiseks.

Boahen ja tema meeskond on välja töötanud trükkplaadi Neurogrid, mis koosneb 16 kohandatud disainiga „Neurocore” kiibist. Need 16 kiipi koos suudavad simuleerida 1 miljonit neuroni ja miljardeid sünaptilisi ühendusi. Meeskond kavandas need kiibid energiatõhusust silmas pidades. Nende strateegia oli võimaldada teatud sünapsitel riistvaralülitusi jagada. Tulemuseks oli Neurogrid - umbes iPadi suurune seade, mis suudab simuleerida suurusjärgus rohkem neuroneid ja sünapsisid kui teised aju jäljendajad tahvelarvuti käitamiseks vajaliku võimsuse kohta.




Riiklikud terviseinstituudid rahastasid selle miljonite neuronite prototüübi väljatöötamist viieaastase pioneeriauhinnaga. Nüüd on Boahen valmis järgmisteks sammudeks - kulude vähendamiseks ja kompilaatoritarkvara loomiseks, mis võimaldaks inseneridel ja arvutiteadlastel, kellel pole neuroteadusi, lahendada probleeme - näiteks humanoidroboti juhtimine - Neurogridi abil.

Selle kiiruse ja väikese võimsusega omadused muudavad Neurogrid ideaalseks muuks kui lihtsalt aju modelleerimiseks. Boahen töötab koos teiste Stanfordi teadlastega välja halvatud inimestele proteesivate jäsemete väljatöötamiseks, mida juhiks neurokorelaadne kiip.

'Praegu peate teadma, kuidas aju töötab, et ühte neist programmeerida,' ütles Boahen ja viipas oma Stanfordi kontori laual oleva 40 000 dollari suuruse prototüüplaua poole. 'Me tahame luua neurokompilaatori, et te ei peaks sünapsite ja neuronite kohta midagi teadma, et ühte neist kasutada.'

Aju käärima


Boahen märgib oma artiklis neuromorfsete uuringute laiemat konteksti, sealhulgas Euroopa Liidu inimaju projekti, mille eesmärk on simuleerida inimese aju superarvutis. Seevastu USA BRAIN-projekt-lühend ajude uurimisest uuenduslike neurotehnoloogiate arendamise kaudu-on võtnud kasutusele tööriistade loomise lähenemisviisi, esitades väljakutseid teadlastele, sealhulgas paljudele Stanfordis, uut tüüpi tööriistade väljatöötamiseks, mis võimaldavad lugeda tuhandete või isegi miljonite tegevust aju neuronite kohta ning kirjutada keerulistes tegevusmustrites.

Suurt pilti suumides keskendub Boaheni artikkel kahele Neurogridiga võrreldavale projektile, mis püüavad modelleerida aju funktsioone räni ja/või tarkvara abil.

Üks neist jõupingutustest on IBMi SyNAPSE projekt - lühike süsteemide kohta Neuromorphic Adaptive Plastic Scalable Electronics. Nagu nimigi ütleb, hõlmab SyNAPSE pakkumist kiipide ümberkujundamiseks, koodnimega Golden Gate, et jäljendada neuronite võimet luua väga palju sünaptilisi ühendusi-funktsioon, mis aitab ajul probleeme kiiresti lahendada. Praegu koosneb Golden Gate'i kiip 256 digitaalsest neuronist, millest igaüks on varustatud 1024 digitaalse sünaptilise vooluahelaga. IBM on teel, et suurendada oluliselt neuronite arvu süsteemis.

Heidelbergi ülikooli BrainScales projekti eesmärk on ambitsioonikas eesmärk töötada välja analoogkiibid, mis jäljendavad neuronite ja sünapside käitumist. Nende HICANN -kiip - lühend kõrge sisendarvuga analoogsest närvivõrgust - oleks ajusimulatsioonide kiirendamiseks loodud süsteemi tuum, et võimaldada teadlastel modelleerida ravimite koostoimeid, mille kokkusurutud aja jooksul võib kuluda kuid. Praegu saab HICANN -süsteem jäljendada 512 neuroni, millest igaüks on varustatud 224 sünaptilise vooluahelaga, koos tegevuskavaga selle riistvara baasi oluliseks laiendamiseks.


Kõik need uurimisrühmad on teinud erinevaid tehnilisi valikuid, näiteks kas pühendada iga riistvaralülitus ühe närvielemendi (nt ühe sünapsi) modelleerimiseks või mitme (nt riistvaralülituse aktiveerimiseks kaks korda, et modelleerida kahe aktiivse sünapsid). Nende valikute tulemuseks on erinevad võimalused ja jõudlus.

Boahen loob oma analüüsis ühtse mõõdiku, mis arvestab süsteemi kogukulusid - sealhulgas kiibi suurust, mitut neuroni see simuleerib ja energiat tarbib.

Neurogrid oli kaugelt kõige kulutõhusam viis neuronite simuleerimiseks, järgides Boaheni eesmärki luua süsteem, mis oleks piisavalt taskukohane, et seda saaks laialdaselt kasutada uuringutes.

Kiirus ja tõhusus

Kuid palju tööd on veel ees. Kõik praegused miljonite neuronite Neurogrid trükkplaadid maksavad umbes 40 000 dollarit. Boahen usub, et võimalik on dramaatiline kulude vähendamine. Neurogrid põhineb 16 neurokooril, millest igaüks toetab 65 536 neuroni. Need kiibid valmistati 15-aastaste valmistamistehnoloogiate abil.

Üleminek kaasaegsetele tootmisprotsessidele ja kiipide valmistamine suurtes kogustes võib ta vähendada Neurocore'i kulusid 100 korda-see tähendab miljon neuroniplaati 400 dollari eest. Tänu sellele odavamale riistvarale ja kompilaatoritarkvarale, mis hõlbustab nende konfigureerimist, võivad need neuromorfsed süsteemid leida palju rakendusi.

Näiteks kiip, mis on sama kiire ja tõhus kui inimese aju, võib juhtida jäsemete proteesimist meie enda tegevuse kiiruse ja keerukusega - kuid ilma toiteallika külge sidumata. Krishna Shenoy, Stanfordi elektrotehnika professor ja Boaheni naaber interdistsiplinaarses Bio-X keskuses, arendab ajusignaalide lugemise viise liikumise mõistmiseks. Boahen näeb ette Neurocore-taolist kiipi, mida saaks implanteerida halvatud inimese ajusse, tõlgendades neid kavandatud liigutusi ja teisendades need käsklusteks jäsemete proteesimiseks ilma aju ülekuumenemiseta.

Boaheni labori väikest proteesivat kätt kontrollib praegu Neurogrid, et täita liikumiskäske reaalajas. Praegu ei tundu see palju, kuid selle lihtsad hoovad ja liigesed lootavad tulevikurobotitele.

Loomulikult on kõik need neuromorfsed jõupingutused kergendatavad inimese aju keerukusest ja tõhususest.

Boahen märgib oma artiklis, et Neurogrid on umbes 100 000 korda energiasäästlikum kui 1 miljoni neuroni personaalarvuti simulatsioon. Ometi on see meie bioloogilise protsessoriga võrreldes energiasääst.

'Inimese aju, millel on 80 000 korda rohkem neuroneid kui Neurogrid, tarbib vaid kolm korda rohkem energiat,' kirjutab Boahen. 'Selle energiatõhususe taseme saavutamine, pakkudes samas suuremat konfigureeritavust ja ulatust, on neuromorfsete inseneride suurim väljakutse.'

Stanfordi kaudu