วิศวกรทำงานเกี่ยวกับการคำนวณแบบใหม่ของ Neuromorphic Computing

ทีมวิศวกรที่ Penn State กำลังทำงานเกี่ยวกับการคำนวณแบบใหม่ เนื่องจากความก้าวหน้าในการคำนวณแบบดั้งเดิมเริ่มชะลอตัวลง วิธีการคำนวณใหม่นี้มีพื้นฐานมาจากเครือข่ายประสาทของสมอง ซึ่งมีประสิทธิภาพสูงมาก

งานวิจัยนี้ได้รับการตีพิมพ์ใน Nature Communications.

การคำนวณแบบได้รับแรงบันดาลใจจากสมอง

ความแตกต่างหลระหว่างการคำนวณแบบดั้งเดิมและการคำนวณแบบแอนะล็อก ซึ่งสมองมนุษย์เป็นหนึ่งในนั้น คือ การคำนวณแบบดั้งเดิมมีสองสถานะเท่านั้น คือ เปิด-ปิด หรือ 1 และ 0 ในขณะที่การคำนวณแบบแอนะล็อกสามารถมีสถานะที่เป็นไปได้มากมาย ตัวอย่างที่ทีมใช้คือ การเปรียบเทียบระหว่างแสงสว่างที่เปิด-ปิด และแสงสว่างที่มีความสว่างที่ปรับเปลี่ยนได้

ตามที่ Saptarshi Das ผู้ช่วยศาสตราจารย์ด้านวิศวกรรมศาสตร์และกลศาสตร์ที่ Penn State และเป็นหัวหน้าทีมวิจัย กล่าวว่า การศึกษาการคำนวณแบบได้รับแรงบันดาลใจจากสมองได้ดำเนินมาเป็นเวลาเกือบ 40 ปีแล้ว ในปัจจุบัน การคำนวณแบบดิจิตอลมีข้อจำกัด ทำให้เราต้องหันไปหาการประมวลผลภาพที่มีความเร็วสูง ซึ่งเป็นกรณีของรถยนต์ไร้คนขับ

ข้อมูลขนาดใหญ่ cũngมีบทบาทสำคัญในการเปลี่ยนแปลงไปสู่การคำนวณแบบ Neuromorphic เนื่องจากต้องการรูปแบบการรู้จำรูปแบบที่ทำงานได้ดีกับการคำนวณแบบสมอง

“เรามีคอมพิวเตอร์ที่มีพลังมาก แต่ปัญหาก็คือเราต้องเก็บหน่วยความจำไว้ในที่หนึ่งและทำการคำนวณที่อื่น” Das กล่าว

เมื่อเราเคลื่อนย้ายข้อมูลไปมาจากหน่วยความจำไปยังตรรกะ จะทำให้ใช้พลังงานมาก และทำให้การคำนวณช้าลง จนกว่าการคำนวณและหน่วยความจำสามารถอยู่ในสถานที่เดียวกัน จะต้องใช้พื้นที่มากสำหรับสภาพแวดล้อมนี้

Thomas Shranghamer เป็นนักศึกษาระดับ博士ที่อยู่ในกลุ่มและเป็นคนเขียนบทความหลัก

“เรากำลังสร้างเครือข่ายประสาทเทียม ซึ่งพยายามเลียนแบบประสิทธิภาพด้านพลังงานและพื้นที่ของสมอง” Shranghamer กล่าว “สมองมีขนาดกะทัดรัดมาก สามารถพกพาได้ แต่คอมพิวเตอร์สมัยใหม่ต้องใช้พื้นที่ขนาดใหญ่เท่ากับสนามเทนนิส 2-3 สนาม”

เครือข่ายประสาทเทียมที่สามารถปรับเปลี่ยนได้

ทีมงานกำลังสร้างเครือข่ายประสาทเทียมที่สามารถปรับเปลี่ยนได้เหมือนกับเซลล์ประสาทในสมองมนุษย์ โดยการนำสนามไฟฟ้าไปใช้กับแผ่นกราไฟน์ ซึ่งเป็นชั้นของอะตอมคาร์บอน ทีมงานได้แสดงให้เห็นถึงสถานะหน่วยความจำที่เป็นไปได้至少 16 สถานะ

“สิ่งที่เราทำได้คือ เราสามารถควบคุมสถานะหน่วยความจำได้จำนวนมากด้วยความแม่นยำโดยใช้ทรานซิสเตอร์แบบฟิลด์เอฟเฟกต์กราไฟน์แบบง่าย” Das กล่าว

ทีมงานต้องการที่จะพาณิชย์เทคโนโลยีนี้ และ Das เชื่อว่าจะมีความสนใจมากในงานนี้ เนื่องจากการเปลี่ยนแปลงไปสู่การคำนวณแบบ Neuromorphic ในหมู่บริษัท半導体ที่ใหญ่ที่สุด

งานที่มาจากทีมที่ Penn State เป็นตัวอย่างล่าสุดของการเปลี่ยนแปลงไปสู่เครือข่ายประสาทเทียมเหล่านี้ สมองมนุษย์ยังคงแสดงคุณค่าของมันเองอีกครั้งว่าเป็นแรงบันดาลใจสำหรับเทคโนโลยีใหม่ๆ มากมาย และให้ข้อมูลเชิงลึกที่มีคุณค่าเกี่ยวกับวิธีที่ผู้เชี่ยวชาญสามารถลดขนาดของคอมพิวเตอร์สมัยใหม่ให้เล็กลงได้อย่างมาก