研究者は、低電力ニューラルネットワークを作るために人間の脳を模倣します

ニューラルネットワーク、または人間の脳の人工的なレプリカは、科学者やエンジニアが人間の年齢をとるであろう分析を実行することを可能にします。彼らは無限のデータ表を注ぎ、人々に気付かれないままになる画像の不一致を指摘することができます。

ただし、欠点が1つあります。ゲームで最高のニューラルネットは、信じられないほどの量のエネルギーを使って仕事をします。

「数年前、IBMはスーパーコンピュータで猫の脳活動をシミュレートしようとしましたが、最終的にメガワットの電力を消費することになりました」とパーデュー大学の研究者Abhronil Senguptaは言います。 逆 。 「生物学的な人間の脳はそれほど近くのどこにも消費しません。これは（ニューラルネットワークとの）直接的な1対1の比較ではありませんが、消費電力の大きいコンピューティングシステムの概算を提供するはずです。」

Senguptaと、Purdue大学および米国電気電子技術者協会（IEEE）のコンピュータ科学者チームは、ニューラルネットワークの消費電力を削減する一方で、まだキックアスな仕事をしている方法を考え出しました。彼らがプレプリントサイトに投稿した論文arXivは、彼らが人間の脳からインスピレーションを得て、彼らのニューラルネットが伝統的なシステムよりおよそ11分の1のエネルギーを消費することを可能にする彼らの考えを実行した方法を説明します。

彼らのアプローチはスパイキングニューラルネットワーク、またはSNNを利用しています。他のものとは異なり、これらの計算システムは生物学的ニューロンをはるかに正確にエミュレートします。

標準的なニューラルネットは、それらに提示されているデータについて決定や判断を下すために使用される何千ものノードで構成されています。これらからの出力は現在提示されているものにのみ依存し、SNN出力は以前の刺激にも依存します。 SNN内のノードは、一定レベルの刺激に到達したときにのみ機能します。だから代わりに 絶えず 他のノードにデータを渡す場合、SNNノードは情報を他のノードに渡します。 する必要がある.

これらのシステムのほとんどは、相補型金属酸化膜半導体技術（CMOS）として知られているものを使用して作られているため、通常これには多大なエネルギーコストがかかります。その技術はあなたのラップトップのすべてのチップを作り上げ、ニューラルネットワークのためのビルディングブロックとして使われてきました。彼らの研究のために研究者のグループはCMOS技術を捨てて、記憶装置から完全に作られたSNNを造った。

「記憶抵抗」の略で、記憶装置の電気抵抗は過去にどれだけの電荷がそこを通って流れたかによって異なります。そのため、CMOS技術とは異なり、以前に通過したことを「記憶」することができます。これは、SNN内のノードが実行する必要があることとまったく同じです。

研究の結果は、memristorsが生物学的ニューロンをかなりよく模倣することを示しました。それらは、一定の電力の流れとは対照的に、スパイクまたは短いエネルギーバーストを使用して互いに通信します。このmemristor-SNNは、CMOSと比較して画像分類に使用したときに精度がわずかに低下しましたが、標準のニューラルネットの数分の1になりました。

この研究の前には、SNNは私たちが持っていた人工の人間の脳に最も近いものでしたが、彼らが使用するのに取った莫大な量のパワーはそれらの利益のいくつかを打ち消しました。他の科学者がこれらの節電ニューラルネットワークを複製することができれば、それは彼らがより少ないエネルギーでより多くをすることを可能にし、生物学的脳を複製する方法を理解するために彼らをより近づけることができる。