Neuromorfikus számítástechnika – egy forradalmian új megközelítés, amely az emberi agy működését utánzó hardverek segítségével teszi lehetővé a mesterséges intelligencia (MI) hatékonyabb és energiatakarékosabb működését. Dr. Joseph S. Friedman és kutatócsapata a Texas Egyetem Dallasban jelentős előrelépést tett ezen a területen egy olyan számítógép-prototípus megalkotásával, amely kevesebb tanulási számítással képes mintázatokat felismerni és előrejelzéseket készíteni, mint a hagyományos MI rendszerek.
A hagyományos mesterséges intelligencia korlátai
A jelenlegi MI rendszerek, például a konvencionális számítógépek és grafikus processzorok (GPU-k), elkülönítik az adatfeldolgozást és a memória tárolását. Ez a felépítés jelentősen korlátozza az MI hatékonyságát, mivel az információk folyamatos mozgatása a két egység között rengeteg energiát és időt igényel.
Ezen túlmenően ezek a rendszerek nagy mennyiségű címkézett adatra és rendkívül komplex, költséges tanulási folyamatokra támaszkodnak, amelyek akár több százmillió dolláros költséget is jelenthetnek. Ez komoly akadályt jelent az MI széleskörű alkalmazásában, különösen mobil eszközökön vagy energiahatékony megoldások esetén.
Mi az a neuromorfikus számítástechnika?
A neuromorfikus számítástechnika olyan hardveres megoldásokat takar, amelyek az emberi agy neuronhálózatainak működését utánozzák. Az agyban a neuronok és szinapszisok együttesen dolgoznak: a neuronok feldolgozzák az információt, míg a szinapszisok tárolják azt, miközben folyamatosan alkalmazkodnak és erősödnek vagy gyengülnek az aktivitásminták alapján.
Ez a biológiai modell inspirálta Dr. Friedman csapatát is, akik egy olyan prototípust fejlesztettek ki, amely integrálja a memória tárolását és az adatfeldolgozást, így jelentősen csökkentve az energiafelhasználást és növelve a tanulási hatékonyságot.
Dr. Joseph S. Friedman és kutatócsoportja eredményei
Dr. Friedman, aki az elektrotechnikai és számítógép-mérnöki tanszék adjunktusa a Texas Egyetemen Dallasban, valamint NeuroSpinCompute Laboratóriumának vezetője, egy kisméretű neuromorfikus prototípust alkotott meg. Ez a rendszer képes mintázatokat felismerni és előrejelzéseket készíteni kevesebb tanulási ciklussal, mint a hagyományos MI rendszerek.
A kutatócsoport következő célja ennek a bizonyító erejű koncepciónak nagyobb méretű rendszerré való skálázása.
“Mivel a neuromorfikus számítógépek nem igényelnek hatalmas mennyiségű tanulási ciklust, okos eszközöket tudnak működtetni anélkül, hogy óriási energiafelhasználással járnának.” – Dr. Joseph S. Friedman
A kutatás tudományos háttere és publikációja
A prototípusról szóló részletes tanulmány 2023. augusztus 4-én jelent meg online a neves Nature Communications Engineering folyóiratban. A publikációban együttműködtek az Everspin Technologies Inc. és Texas Instruments szakemberei is.
Dr. Friedman mellett társszerzőként szerepel Dr. Sanjeev Aggarwal, az Everspin Technologies elnöke és vezérigazgatója.
A neuromorfikus rendszer kulcseleme: mágneses alagút kapcsolók (MTJ-k)
A prototípus egyik legfontosabb innovációja a mágneses alagút kapcsolók (Magnetic Tunnel Junctions – MTJ-k) alkalmazása. Ezek nanoszkopikus eszközök, melyek két mágneses rétegből állnak, közöttük egy szigetelő réteggel.
Az elektronok könnyebben „alagútnak” át ezen a rétegen akkor, ha mindkét réteg mágneses iránya megegyezik; ellenkező esetben nehezebben jutnak át. Ez az effektus lehetővé teszi az MTJ-k hálózatba kötését úgy, hogy azok utánozzák az agy szinaptikus kapcsolatait: amikor egy jel koordináltan halad át több MTJ-n, azok kapcsolatai erősödnek vagy gyengülnek – hasonlóan ahhoz, ahogy az emberi agy tanulási folyamataiban történik.
Az MTJ-k bináris kapcsolása megbízható adattárolást biztosít, ezzel megoldva egy régóta fennálló problémát más neuromorfikus megközelítéseknél.
Kutatói közösség és támogatások
A projektben részt vettek még az Erik Jonsson School of Engineering and Computer Science kutatói is: Peng Zhou PhD’23 (első szerző), Alexander J. Edwards MS’24, PhD’24 és Stephen K. Henrich-Barna MS’97, PhD’23 (aki korábban a Texas Instruments-nél is dolgozott). Az Everspin Technologies részéről Dr. Frederick B. Mancoff is közreműködött.
Dr. Friedman kutatásait többek között a National Science Foundation Faculty Early Career Development Programja támogatta, valamint a Semiconductor Research Corporation finanszírozta UT Dallas Texas Analog Center of Excellence keretében.
Továbbá 2023 szeptemberében az Egyesült Államok Energiaügyi Minisztériuma közel 500 ezer dolláros támogatást ítélt meg Dr. Friedman két éves neuromorfikus számítástechnikai kutatásainak folytatására.
Kitekintés: A jövő okoseszközei energiatakarékosan
A neuromorfikus számítástechnika ígéretes alternatívát kínál arra, hogy mesterséges intelligenciánk ne csak hatékonyabb legyen, hanem fenntarthatóbb is – különösen mobil eszközökön vagy olyan helyeken, ahol korlátozott az energiaforrás.
Ezzel csökkenthető lehet az energiaigényes adatközpontoktól való függőség is, miközben lehetőség nyílik arra, hogy az MI tanulási képességei közelebb kerüljenek az emberi agy természetes működéséhez.
Forrás: https://news.utdallas.edu/science-technology/neuromorphic-computer