Ученые создали печатную плату по образцу человеческого мозга

Ученые из Стэнфорда разработали новую печатную плату по образцу человеческого мозга, возможно, открыв новые горизонты в робототехнике и вычислительной технике.При всей своей сложности компьютеры бледнеют по сравнению с мозгом.

Например, скромный кора головного мозга мыши работает в 9000 раз быстрее, чем симуляция его функций на персональном компьютере.ПК не только медленнее, но и требует для работы в 40 000 раз больше энергии, пишет Квабена Боахен, доцент кафедры биоинженерии в Стэнфорде, в статье для Proceedings of the IEEE.

«С точки зрения чистой энергии мозгу трудно сопоставить», — говорит Боахен, в статье которого исследуется, как «нейроморфные» исследователи в Соединенных Штатах и ​​Европе используют кремний и программное обеспечение для создания электронных систем, имитирующих нейроны и синапсы.Боахен и его команда разработали Neurogrid, печатную плату, состоящую из 16 специально разработанных микросхем Neurocore. Вместе эти 16 чипов могут моделировать 1 миллион нейронов и миллиарды синаптических соединений.

Команда разработала эти чипы с учетом энергоэффективности. Их стратегия заключалась в том, чтобы позволить определенным синапсам совместно использовать аппаратные схемы.

Результатом стала Neurogrid — устройство размером с iPad, которое может имитировать на порядки больше нейронов и синапсов, чем другие имитаторы мозга, в зависимости от мощности, необходимой для работы планшетного компьютера.Национальные институты здравоохранения профинансировали разработку этого прототипа с миллионом нейронов, получив пятилетнюю премию Pioneer Award.

Теперь Боахен готов к следующим шагам — снижению затрат и созданию программного обеспечения-компилятора, которое позволило бы инженерам и компьютерным специалистам, не имеющим никаких знаний в области нейробиологии, решать проблемы, такие как управление роботом-гуманоидом, с помощью Neurogrid.Его скорость и низкое энергопотребление делают Neurogrid идеальным решением не только для моделирования человеческого мозга. Боахен работает с другими учеными из Стэнфорда, чтобы разработать протезы для парализованных людей, которые будут управляться микросхемой, подобной Neurocore.

«Прямо сейчас вы должны знать, как работает мозг, чтобы запрограммировать один из них», — сказал Боахен, указывая на доску-прототип за 40 000 долларов на столе в своем офисе в Стэнфорде. «Мы хотим создать нейрокомпилятор, чтобы вам не нужно было ничего знать о синапсах и нейронах, чтобы использовать один из них».Мозговая ферментацияВ своей статье Боахен отмечает более широкий контекст нейроморфных исследований, включая проект Европейского Союза по человеческому мозгу, цель которого — моделировать человеческий мозг на суперкомпьютере. В отличие от этого, американский проект BRAIN — сокращение от «Исследования мозга через продвижение инновационных нейротехнологий» — использует подход, основанный на создании инструментов, предлагая ученым, в том числе многим из Стэнфорда, разработать новые виды инструментов, которые могут считывать активность тысяч или даже миллионы нейронов в головном мозге записывают сложные паттерны активности.

Увеличивая масштаб от общей картины, статья Боахена фокусируется на двух проектах, сопоставимых с Neurogrid, которые пытаются смоделировать функции мозга в кремнии и / или программном обеспечении.Одно из таких начинаний — проект IBM SyNAPSE — сокращение от «Системы нейроморфной адаптивной пластической масштабируемой электроники». Как следует из названия, SyNAPSE предполагает переработку микросхем под кодовым названием Golden Gate, чтобы имитировать способность нейронов создавать множество синаптических соединений — функция, которая помогает мозгу решать проблемы на лету.

В настоящее время микросхема Golden Gate состоит из 256 цифровых нейронов, каждый из которых оснащен 1024 цифровыми синаптическими цепями, и IBM планирует значительно увеличить количество нейронов в системе.Проект BrainScales Гейдельбергского университета имеет амбициозную цель — разработать аналоговые микросхемы, имитирующие поведение нейронов и синапсов. Их чип HICANN — сокращение от аналоговой нейронной сети с большим количеством входных сигналов — станет ядром системы, предназначенной для ускорения моделирования мозга, чтобы исследователи могли моделировать взаимодействия лекарств, которые могут длиться месяцами в сжатых временных рамках.

В настоящее время система HICANN может имитировать 512 нейронов, каждый из которых оснащен 224 синаптическими цепями, с планом значительного расширения этой аппаратной базы.Каждая из этих исследовательских групп сделала свой технический выбор, например, выделить ли каждую аппаратную схему для моделирования одного нейронного элемента (например, одного синапса) или нескольких (например, дважды активировав аппаратную схему для моделирования эффекта двух активных синапсы). Этот выбор привел к различным компромиссам с точки зрения возможностей и производительности.В своем анализе Боахен создает единую метрику для учета общей стоимости системы, включая размер чипа, количество нейронов, которые он имитирует, и потребляемую мощность.

Нейросеть была, безусловно, наиболее экономичным способом моделирования нейронов, что соответствовало цели Боахена по созданию системы, достаточно доступной для широкого использования в исследованиях.Скорость и эффективностьНо впереди еще много работы.

Каждая из нынешних печатных плат Neurogrid с миллионами нейронов стоит около 40 000 долларов. Боахен считает, что возможно резкое снижение затрат. Neurogrid основан на 16 Neurocores, каждое из которых поддерживает 65 536 нейронов. Эти чипы были изготовлены с использованием технологий производства 15-летней давности.

Перейдя на современные производственные процессы и производя микросхемы в больших объемах, он смог сократить стоимость Neurocore в 100 раз — предлагая плату с миллионными нейронами по цене 400 долларов за копию. Благодаря более дешевому оборудованию и программному обеспечению компилятора, упрощающему настройку, эти нейроморфные системы могут найти множество приложений.Например, такой быстрый и эффективный чип, как человеческий мозг, может управлять протезами конечностей со скоростью и сложностью наших собственных действий, но без привязки к источнику питания. Кришна Шеной, профессор электротехники в Стэнфорде и сосед Боахена в междисциплинарном центре Bio-X, разрабатывает способы считывания сигналов мозга для понимания движений.

Боахен представляет себе чип, подобный Neurocore, который можно было бы имплантировать в мозг парализованного человека, интерпретируя предполагаемые движения и переводя их в команды для протезных конечностей без перегрева мозга.Небольшой протез руки в лаборатории Боахена в настоящее время контролируется Neurogrid для выполнения команд движения в режиме реального времени.

На данный момент это не так уж и много, но его простые рычаги и шарниры дают надежду на создание роботизированных конечностей будущего.Конечно, все эти нейроморфные усилия сводятся на нет из-за сложности и эффективности человеческого мозга.В своей статье Боахен отмечает, что Neurogrid примерно в 100 000 раз более энергоэффективен, чем компьютерная симуляция 1 миллиона нейронов.

Тем не менее, по сравнению с нашим биологическим процессором, он потребляет много энергии.«Человеческий мозг, содержащий в 80 000 раз больше нейронов, чем Neurogrid, потребляет всего в три раза больше энергии», — пишет Боахен. «Достижение такого уровня энергоэффективности при обеспечении большей гибкости и масштабируемости — это самая сложная задача, с которой сталкиваются нейроморфные инженеры».


Оставьте комментарий

Ваш адрес email не будет опубликован.