Имитация работы мозга позволяет нейроморфным вычислениям потреблять значительно меньше энергии, чем обычные ИИ-чипы. Однако даже самые продвинутые нейроморфные устройства сегодня довольно примитивны: в них используется лишь малая часть связей, характерных для живых нейронов.
Новое исследование показывает, что использование звуковых волн делает нейроморфные устройства более похожими на биологические нейроны, при этом они работают быстрее и потребляют меньше энергии по сравнению с электронными аналогами.
«Это позволит создавать более компактное, параллельное и эффективное нейроморфное оборудование для задач, требующих объединения множества признаков — таких как распознавание образов, обработка сенсорных данных и анализ информации», — говорит Сяодун Янь (Xiaodong Yan), доцент кафедры материаловедения и инженерии, а также электротехники и вычислительной техники Аризонского университета в Тусоне.
Подобно тому, как мозг использует синапсы — связи между нейронами — одновременно для вычислений и хранения данных, нейроморфные устройства часто совмещают эти операции. Такой подход сокращает затраты энергии и времени, неизбежные при обмене данными между процессором и памятью в традиционных микрочипах.
Каждый нейрон человека может иметь тысячи синапсов, соединяющих его с другими клетками; например, клетки Пуркинье в мозжечке способны образовывать до 100 000 синапсов. Благодаря такой экстраординарной связности нейрон способен «комбинировать разрозненные фрагменты информации, сравнивать их и реагировать в зависимости от контекста», объясняет Янь.
Напротив, большинство обычных нейроморфных устройств представляют собой, по сути, «один искусственный синапс». Чтобы построить искусственный нейрон с количеством синапсов, как у природного аналога, пришлось бы соединять множество отдельных устройств проводами. «Это резко увеличивает число проводов, энергопотребление и сложность системы», — добавляет Янь.
Квантовоподобные трюки открывают путь к параллельным вычислениям
Недавно ученые разработали акустические устройства, в которых звуковые волны кодируют несколько значений в фазе колебаний. Эти фазовые биты, или phi-биты, в свою очередь могут служить основой для квантовоподобных логических вентилей и параллельных вычислений. Если традиционные биты принимают только два значения — 0 или 1 — и каждый требует отдельного физического элемента, то phi-биты представляют сразу несколько переменных и сосуществуют в одном пространстве.
Следует уточнить: операции с phi-битами не являются квантовыми вычислениями — это лишь классические аналоги квантовых систем.
Янь и его коллеги создали акустический синапс, объединяющий множество phi-битов. Это дает возможность выполнять несколько вычислений одновременно сравнительно простым способом и с гораздо меньшими затратами энергии по сравнению с обычной электроникой.
«Идея привнесения новой физики для более эффективных сложных вычислений всегда захватывает», — отмечает Брэд Эймон (Brad Aimone), исследователь Центра вычислительных исследований при Сандийских национальных лабораториях в Альбукерке, штат Нью-Мексико. «Это открывает новые возможности, о которых стоит задуматься в будущем», — добавляет он (Эймон не принимал участия в этом исследовании).
Новое устройство состоит из трех алюминиевых стержней длиной около 60 сантиметров и диаметром 1,25 сантиметра, скрепленных эпоксидным клеем. К концам стержней исследователи прикрепили ультразвуковые излучатели и датчики с помощью тонкого слоя меда.
Янь с коллегами кодировали потоки данных, включая изображения и соответствующие им метки, в звуковые волны. Ультразвуковые излучатели отправляли эти волны через стержни, где акустическое взаимодействие происходило через эпоксидный слой. Ультразвуковые датчики затем регистрировали результирующие акустические сигналы.
Ученые обнаружили, что фазу phi-битов можно модулировать, имитируя способность биологических синапсов усиливаться или ослабляться со временем — это свойство лежит в основе памяти. Такая синаптическая пластичность позволила им обучить акустический синапс выполнять различные задачи.
В экспериментах ученые протестировали топологический акустический синапс, соединенный с тремя цифровыми нейронами. (Область топологической акустики, использующей ранее неизвестные свойства звуковых волн, уже привела к новым способам управления звуком — например, к схемам, в которых звуковые волны распространяются почти без потерь энергии.) «В топологическом акустическом синапсе взаимодействия акустических волн помогают преобразовывать и организовывать информацию перед финальным считыванием», — поясняет Янь.
Как акустические синапсы адаптируются быстрее электронных
Когда дело дошло до классификации 150 цветков ириса на три вида, новое устройство превзошло обычную нейросеть на чипе — многослойный перцептрон (MLP). Акустический синапс, представляющий собой один симулированный синапс, достиг итоговой точности 96,7%, используя всего 39 параметров, и выходил на пик точности на 20% быстрее, чем MLP. Для достижения сопоставимой точности MLP потребовалось бы девять нейронов и еще больше параметров.
В целом исследователи оценили, что новое устройство потребляет не более одной десятой энергии, требуемой самым современным электронным нейроморфным оборудованием. «Будущие нейроморфные системы смогут объединять физическую волновую динамику с традиционными вычислениями для еще более энергоэффективной обработки информации», — говорит Янь.
Кроме того, ученые отметили, что их устройство способно имитировать активность критически важных молекул — нейромодуляторов. Нейромодуляторы, такие как дофамин или серотонин, «могут делать синапс более или менее чувствительным, ускорять, замедлять или менять силу обучения», — объясняет Янь. — «Эта гибкость помогает мозгу адаптироваться к разным состояниям: вниманию, награде, стрессу или обучению.»
Один биологический синапс может одновременно находиться под влиянием до 10 нейромодуляторов. Однако воспроизвести нейромодуляцию в обычных нейроморфных схемах крайне сложно — обычно для этого требуются гораздо более сложные конструкции.
Тем не менее исследователи обнаружили, что в случае акустического синапса достаточно добавить дополнительный стержень, чтобы система начала имитировать целый ряд нейромодуляторных процессов — включая быстрые реакции (такие как влияние дофамина на силу синапса при обучении) и медленные долгосрочные эффекты (например, хронический стресс).
«Нейромодуляторы позволяют мозгу использовать одну и ту же цепь для разных функций в зависимости от контекста, — говорит Эймон. — Сегодня нам приходится держать отдельные нейросети для разных задач. А так вместо огромной нейросети можно иметь несколько небольших, которые с помощью аналогов нейромодуляторов сами подстраиваются под происходящее. Это действительно вдохновляет.»
Свои результаты исследователи опубликовали онлайн 12 июня в журнале Science Advances.