Modely a platformy AI

Výzkumníci dosáhli pokroku v oblasti neuromorfního počítání

mm
Přidejte Unite.AI mezi své preferované zdroje na Google

Tým výzkumníků z Korejského pokročilého institutu vědy a technologie (KAIST) oznámil vývoj nano-velkého neuromorfního paměťového zařízení, které emuluje neurony a synapse současně v jednotkové buňce. Tento nový pokrok je významným krokem směrem k dosažení neuromorfního počítání, které může napodobovat lidský mozek pomocí polovodičových zařízení.

Výzkum byl zveřejněn v Nature Communications.

Realizace AI s neuromorfním počítáním

Odborníci pracují na tom, aby neuromorfní počítání realizovalo umělou inteligenci (AI) napodobováním mechanismů neuronů a synapsí v lidském mozku. Současné počítače nemohou poskytnout určitou kognitivní funkce lidského mozku kvůli několika omezením, ale jejich potenciál byl prozkoumán důkladně.

Řekněme, že současné Complementary Metal-Oxide Semiconductor (CMOS)-založené neuromorfní obvody spojují umělé neurony a synapse bez synergických interakcí. Implementace neuronů a synapsí se ukázala být obtížná.

Aby překonali tato omezení, výzkumný tým vedený profesorem Keon Jae Lee z oddělení materiálové vědy a inženýrství implementoval biologické pracovní mechanismy lidí zaváděním interakcí mezi neurony a synapsí v jediné paměťové buňce. To se liší od tradičního přístupu elektrického propojení umělých neuronových a synaptických zařízení.

Umělé synaptické zařízení

Umělé synaptické zařízení, která byla dříve studována, jsou často používána ke urychlení paralelních výpočtů, což ukazuje zřejmé rozdíly od operačních mechanismů lidského mozku. Implementací synergických interakcí mezi neurony a synapsí v neuromorfním paměťovém zařízení bylo možné emulovat mechanismy biologických neuronových sítí. Neuromorfní zařízení může také nahradit komplexní CMOS neuronové obvody jediným zařízením, což zlepšuje škálovatelnost a nákladovou efektivitu.

Lidský mozek se skládá z komplexní sítě 100 miliard neuronů a 100 bilionů synapsí, a funkce a struktury těchto mohou měnit v závislosti na vnějších podnětech, což jim umožňuje přizpůsobit se okolnímu prostředí. Neuromorfní zařízení vyvinuté týmem umožňuje krátkodobé a dlouhodobé paměti současně pomocí dočasných a nedočasných paměťových zařízení, která napodobují charakteristiky neuronů a synapsí. Dočasná paměť je reprezentována zařízením s prahovým přepínačem, zatímco fázový přechod paměti se používá jako nedočasná paměť. S dvěma tenkými filmovými zařízeními integrovanými bez okamžitého elektrody mohla být implementována funkční adaptabilita neuronů a synapsí v neuromorfní paměti.

“Neurony a synapse interagují navzájem, aby ustanovily kognitivní funkce, jako je paměť a učení, takže simulace obou je nezbytným prvkem pro umělou inteligenci inspirovanou mozkem,” řekl profesor Lee. „Vyvinuté neuromorfní paměťové zařízení také napodobuje efekt opětovného učení, který umožňuje rychlé učení zapomenutých informací implementací pozitivní zpětné vazby mezi neurony a synapsími.”

Alex McFarland je AI novinář a spisovatel, který zkoumá nejnovější vývoj v oblasti umělé inteligence. Spolupracoval s mnoha AI startupy a publikacemi po celém světě.