Wenn es feuert ein neuron verbraucht deutlich mehr Energie als eine entsprechende EDV-Betrieb. Und doch, ein Netzwerk von gekoppelten Neuronen können kontinuierlich lernen, Sinne und führen Sie komplexe Aufgaben im Energie-Ebenen, sind derzeit unerreichbar für noch state-of-the-art-Prozessoren.
Was macht ein neuron tun, um Energie zu sparen, dass eine moderne computer processing unit nicht?
Computer-Modellierung von Forschern an der Washington University in St. Louis‘ McKelvey School of Engineering bieten möglicherweise eine Antwort. Mit simulierten Silizium „Neuronen“, fanden Sie, dass die Energie, die Einschränkungen auf ein system, gepaart mit den inhärenten Eigenschaften von Neuronen haben sich zu bewegen, um die niedrigste Energie-Konfiguration, führt zu einer dynamischen, at-a-distance-Kommunikation-Protokoll, das sowohl robuster, als auch mehr Energie-effizienter als herkömmlichen computer-Prozessoren.
Die Forschung aus dem Labor von Shantanu Chakrabartty, Clifford W. Murphy, Professor am Preston M. Green-Abteilung von Systemen & Elektrotechnik, letzten Monat veröffentlicht wurde im journal Frontiers in Neuroscience.
Es ist ein Fall, der zu tun mehr mit weniger.
Ahana Gangopadhyay, ein Doktorand in Chakrabartty Labor und führen Autor auf dem Papier, wurde untersucht, wie computer-Modelle zur Untersuchung der Energie-Einschränkungen auf Silizium-Neuronen—künstlich geschaffenen Nervenzellen, verbunden durch Drähte, die zeigen, dass die gleiche Dynamik und Verhalten wie die Neuronen in unserem Gehirn.
Wie die biologischen Neuronen, Ihre Silizium-Pendants, hängt auch von bestimmten elektrischen Bedingungen, um das Feuer, oder spike. Diese spikes sind die Grundlage neuronaler Kommunikation, flitzen hin und her, tragen Informationen von neuron zu neuron.
Die Forscher zum ersten mal sah Sie die Energie, die Einschränkungen auf ein einzelnes neuron. Dann ein paar. Dann hat Sie mehr. „Wir fanden, dass es einen Weg zu paar, Sie, wo Sie können einige dieser Energie Zwänge, selbst, erstellen einen virtuellen Kommunikationskanal,“ Chakrabartty sagte.
Eine Gruppe von Neuronen betreibt unter einer gemeinsamen Energie-Einschränkung. Also, wenn ein einzelnes neuron spikes, es beeinflusst notwendigerweise die verfügbaren Energie—nicht nur für die Neuronen ist es direkt verbunden, sondern auch für alle anderen unter den gleichen Energie-Einschränkung.
Spiking Neuronen schaffen damit Störungen in das system, so dass jedes neuron zu „wissen“, die anderen sind spiking, die reagiert, und so weiter. Es ist, als ob die Neuronen wurden alle eingebettet in ein Gummi-Blatt; eine einzelne „Wellen“, verursacht durch einen spike, würde Sie betreffen alle. Und wie alle körperlichen Prozesse, Systeme auf Silizium-Neuronen dazu neigen, selbst-Optimierung, um Ihre Beine-energetischen Zuständen gleichzeitig auch beeinflusst durch die anderen Neuronen im Netzwerk.
Diese Einschränkungen kommen zusammen und bilden eine Art sekundäre Kommunikations-Netzwerk, in denen zusätzliche Informationen vermittelt werden können, die durch die dynamische, aber synchronisiert Topologie von spikes. Es ist wie das Gummi-Blatt vibriert in einem synchronisierten Rhythmus in Reaktion auf mehrere Stacheln.
Diese Topologie trägt, ist es Informationen, die kommuniziert werden, nicht nur die Neuronen, die physisch verbunden sind, aber für alle Neuronen, die unter der gleichen Energie, Einschränkung, einschließlich diejenigen, die nicht physisch verbunden sind.
Unter dem Druck dieser Zwänge, Chakrabartty sagte, „Sie lernen bilden ein Netzwerk, auf das Fliegen.“
Das macht für die viel effizientere Kommunikation als mit herkömmlichen computer-Prozessoren, die verlieren die meisten Ihrer Energie in den Prozess der linear-Kommunikation, wo Ein neuron muss zuerst ein signal senden, durch B, um die Kommunikation mit C.
Mit diesen Silizium-Neuronen für computer-Prozessoren bietet die beste Effizienz-zu-Verarbeitungsgeschwindigkeit Kompromiss, Chakrabartty sagte. Es wird zulassen, die hardware-Designer, Systeme zu erstellen, um die Vorteile dieses sekundären Netzwerk -, computing-nicht nur Linear, aber mit der Fähigkeit zu führen zusätzliche computing auf das sekundäre Netzwerk von spikes.
Die nächsten Schritte sind jedoch zum erstellen eines simulator, emulieren kann Milliarden von Neuronen. Dann werden die Forscher beginnen den Prozess der Erstellung eines physikalischen chip.
Was kommt als Nächstes? Vielleicht ein virtuelles bug Gehirn
Li Xiang und Zeheng Lied, Studenten der Shantanu Chakrabartty Labor, in der Lage gewesen zu importieren connectome—eine Darstellung einer tatsächlichen, biologischen Montage von Neuronen—und emulieren seine Dynamik mit dem Modell und über 10 Millionen Silizium-Neuronen.