Учёные создали искусственные нейроны, имитирующие химические процессы мозга

Исследователи из Университета Южной Калифорнии (USC) разработали искусственные нейроны, которые воспроизводят сложное электрохимическое поведение реальных мозговых клеток, что знаменует собой прорыв в нейроморфных вычислениях. Эта технология, использующая ионные диффузионные мемристоры, может значительно уменьшить размер микросхем, снизить энергопотребление и приблизить искусственный интеллект (ИИ) к уровню общего искусственного интеллекта, сообщает журнал Nature Electronics.

Учёные из Инженерной школы Витерби и Школы передовых вычислений Университета Южной Калифорнии создали искусственные нейроны, которые физически воспроизводят работу настоящих нервных клеток. В отличие от цифровых процессоров или ранних нейроморфных чипов, которые лишь имитируют активность мозга с помощью математических моделей, эти новые устройства используют реальные химические взаимодействия для запуска вычислительных процессов, подобно тому, как биологическая активность мозга запускается химическими сигналами. Это делает их осязаемым воссозданием биологических функций.

Исследование, возглавляемое профессором Джошуа Янгом с кафедры вычислительной техники и электротехники USC, основывается на его ранней работе по искусственным синапсам. Новый подход команды использует устройство, названное «диффузионный мемристор». Как отмечается в результатах исследования, эти компоненты могут стать основой для нового поколения микросхем, дополняющих традиционную кремниевую электронику. 

Если кремниевые системы используют электроны для вычислений, то диффузионные мемристоры Янга задействуют движение атомов (ионов), что более близко к передаче информации биологическими нейронами. Потенциально это может привести к созданию более компактных и эффективных микросхем, которые обрабатывают информацию подобно мозгу и открывают путь к созданию общего искусственного интеллекта (ОИИ).

В мозге связь между нервными клетками обеспечивается как электрическими, так и химическими сигналами. Когда электрический импульс достигает синапса, он преобразуется в химический сигнал для передачи информации следующему нейрону, а затем снова преобразуется в электрический импульс. 

Янг и его коллеги воспроизвели этот сложный процесс в своих устройствах. Ключевое преимущество их разработки заключается в том, что каждый искусственный нейрон занимает посадочное место всего одного транзистора, тогда как в более ранних разработках требовались десятки или даже сотни.

Для генерации электрических импульсов в нервной системе биологические нейроны используют заряженные частицы — ионы (такие как калий, натрий и кальций). В новом исследовании Янг, который также руководит Центром передового опыта по нейроморфным вычислениям Университета Южной Калифорнии, применил ионы серебра, внедрённые в оксидные материалы. Они генерируют электрические импульсы, имитирующие естественные функции мозга, включая обучение, движение и планирование.

На основании данных Университета Южной Калифорнии, Янг отметил:

«Хотя в наших искусственных синапсах и нейронах используются не совсем те же ионы, физика, управляющая движением ионов и их динамикой, очень похожа».

Он поясняет, что серебро легко рассеивается и даёт необходимую динамику для имитации биосистемы, позволяя реализовать функцию нейронов с помощью очень простой структуры. Новое устройство называется «диффузионным мемристором» из-за движения и динамической диффузии ионов серебра.

Учёный добавляет, что команда решила использовать динамику ионов для создания систем искусственного интеллекта, «потому что именно это происходит в человеческом мозге, и на то есть веская причина, поскольку человеческий мозг является «победителем эволюции — самым эффективным интеллектуальным двигателем». Ученый говорит, что это более эффективно.

Профессор подчёркивает, что основная проблема современных вычислений заключается не в недостатке мощности, а в неэффективности.

«Дело не в том, что наши чипы или компьютеры недостаточно мощны для своих задач. Дело в том, что они недостаточно эффективны. Они потребляют слишком много энергии», — объясняет он.

Это особенно актуально, учитывая, сколько энергии расходуют современные крупномасштабные системы ИИ для обработки огромных массивов данных. Янг поясняет, что существующие вычислительные системы «никогда не предназначались для обработки огромных объёмов данных или самостоятельного обучения на нескольких примерах». Один из способов повысить как энергопотребление, так и эффективность обучения — это создать искусственные системы, работающие по принципам, наблюдаемым в мозге.

Если важна чистая скорость, электроны, на которых работают современные компьютеры, идеально подходят для быстрых операций. Однако, по мнению Янга, «ионы — более подходящая среда для воплощения принципов работы мозга, чем электроны». Электроны обусловливают программное, а не аппаратное обучение, что принципиально отличается от работы мозга. В мозге же, говорит он, «обучение происходит путём перемещения ионов через мембраны, достигая энергоэффективного и адаптивного обучения непосредственно в аппаратном обеспечении».

В качестве примера приводится способность человеческого мозга научиться распознавать рукописные цифры, увидев всего несколько примеров, в то время как компьютеру обычно требуются тысячи. При этом человеческий мозг достигает такого уровня обучения, потребляя всего около 20 ватт энергии, тогда как современные суперкомпьютеры потребляют её в мегаваттах.

Янг и его команда считают эту технологию важным шагом к воспроизведению естественного интеллекта. Однако он признаёт, что серебро, используемое в этих экспериментах, пока несовместимо со стандартными процессами производства полупроводников.     В будущих исследованиях будут изучаться другие ионные материалы, способные достигать аналогичных эффектов. Диффузионные мемристоры эффективны как с точки зрения энергопотребления, так и размера.

Янг заявляет:

«Вместо этого [с помощью этой инновации] мы просто используем один транзистор на каждый нейрон. Мы разрабатываем строительные блоки, которые в конечном итоге позволили нам уменьшить размер чипа на порядки, снизить потребление энергии на порядки, чтобы в будущем можно было стабильно использовать ИИ с аналогичным уровнем интеллекта, не потребляя энергию, которую мы не можем поддерживать».

Следующим шагом станет интеграция большого количества искусственных синапсов и нейронов и проверка того, насколько точно удастся воспроизвести эффективность и возможности мозга. «Ещё более захватывающей, — считает Янг, — является перспектива того, что такие системы, максимально приближенные к мозгу, могут помочь нам получить новые знания о том, как работает сам мозг».

Источник: Университет Южной Калифорнии

#ИскусственныйИнтеллект #НейроморфныеВычисления #Биоинженерия #УниверситетЮжнойКалифорнии #NatureElectronics