人造神经元计算速度超过人脑
神经元在大脑中储存和传递信息。资料来源:CNRI/SPL
基于神经元的超导计算芯片可以比人脑更高效、更快速地处理信息。最近发表在《科学进步》杂志上的新结果可能成为科学家开发先进计算设备来设计和模拟生物系统的主要基准。尽管在投入商业使用之前还有许多障碍,但这项研究为更自然的机器学习软件打开了一扇门。
目前,人工智能软件正日益开始模仿人脑。谷歌的自动图像分类和语言学习程序等算法也可以使用人工神经网络来执行复杂的任务。但是因为传统的计算机软件不能被设计来运行类似大脑的算法,这些机器研究需要比人脑更高的计算能力。
“肯定会有更好的方法来做到这一点,因为大自然可以找到更好的方法。”迈克尔·施耐德是美国国家标准与技术研究所(NIST)的物理学家,也是一名研究伙伴,他说。
NIST是希望开发能够模拟人脑的神经形态硬件的几个团队之一,并且希望这种神经形态硬件能够更有效地运行类似大脑的软件。在传统的电子系统中,晶体管通常以一定的间隔和精确的数量处理信息(二进制数字0或1)。然而,神经形态硬件可以从多个来源积累少量信息,并改变信息以产生不同类型的信号,并在需要时发出电流,就像神经元放电一样。因此,这种神经形态学硬件需要较少的能量来操作。
然而,这些设备仍然是无效的,尤其是当晶体管需要通过缝隙或突触传递信息时。因此,施耐德的团队用铌超导*造了神经元状电极,这种电极可以在没有电阻的情况下导电。后来,研究人员使用数千磁性锰纳米晶体来填补超导体的空白。
通过改变突触中磁场的数量,这些纳米晶体簇可以在不同的方向排列。这使得系统能够在功率水平和磁方向上对信息进行编码,从而在不占用额外物理空间的情况下,赋予系统比其他神经形态系统更强大的计算能力。
这些突触每秒可以放电10亿次,比人类神经元的速度快几个数量级,而系统消耗的能量只有生物突触的1/10000。在计算机模拟过程中,合成神经元在传输到下一个电极之前,可以通过多达9个来源检查输入信息。然而,施耐德说,在基于这种技术的系统能够用于复杂的计算之前,需要数千个突触。是否能扩展到这一水平还需要进一步的研究和分析。
另一个问题是突触只能在接近绝对零度的温度下工作,需要用液氮冷却。英国曼彻斯特大学的计算机工程师史蒂文·弗伯指出,这可能会使芯片在小型设备中不切实际,尽管大型数据中心可能能够维护它。但施耐德表示,与运行具有相当大计算能力的传统电子系统相比,冷却设备可能需要更少的能量。
加州理工学院的电气工程师卡弗·米德称赞了这项研究,并称之为一种新的神经形态测量方法。“目前在这个领域有很多炒作,我们很高兴看到优秀的作品能够以客观的方式呈现出来。”然而,他说,芯片实际应用于计算领域可能需要很长时间,而且来自许多其他神经形态计算设备的激烈竞争和挑战仍然存在。
弗伯还强调,这种新型设备的实际应用前景非常广阔。“这种设备技术也很有趣,但我们仍然不完全了解这些生物突触的关键特征,也不知道如何更有效地使用它们。”他说,例如,仍然有许多问题需要解决,也就是说,这些突触在记忆形成过程中是如何重塑自身的?这使得研究人员很难在内存芯片中重建这一过程。
然而,弗伯表示,一种新型计算设备进入市场需要10年或更长时间。尽管神经科学家很难理解人脑,但他们非常有必要开发尽可能多的不同技术手段。(张张)
阅读更多
《自然》杂志的相关报道
推荐阅读