快讯

当前位置/ 首页/ 综合快讯/快讯/ 正文

神经形态计算路线图设想了模拟人脑的模拟路径

导读 在神经形态工程领域,研究人员研究了可能有一天模仿人类认知的计算技术。佐治亚理工学院的电气工程师最近发布了路线图,其中详细介绍了基于...

在神经形态工程领域,研究人员研究了可能有一天模仿人类认知的计算技术。佐治亚理工学院的电气工程师最近发布了“路线图”,其中详细介绍了基于模拟的创新技术,这些技术可能使构建实用的神经形态计算机成为可能。

詹妮弗·哈斯勒(Jennifer Hasler)教授(左)和研究生苏玛·乔治(Suma George)研究了一种现场可编程模拟阵列(FPAA)板,该板包括具有基于生物的神经元结构的集成电路,以进行节能计算。Hasler的研究表明,这种类型的板是可编程的,但对电源的要求低,可能在推进神经形态计算方面发挥重要作用。(乔治亚理工大学照片:Rob Felt)

该领域的核心技术障碍涉及计算硬件的电力需求。尽管人脑仅依靠20瓦特的电能运行,但能够逼近人类认知能力的数字计算机将需要成千上万的集成电路(芯片)和十万瓦特或更多的电能-超出了实际极限。

佐治亚技术路线图提出了一种基于模拟计算技术的解决方案,与传统的数字计算相比,该技术所需的电能要少得多。更为有效的模拟方法将有助于解决令人畏缩的冷却和成本问题,这些问题目前使数字神经形态硬件系统不切实际。

乔治亚理工学院电气与计算机工程学院 (ECE)教授詹妮弗·哈斯勒( Jennifer Hasler)表示:“要模拟人脑,最终目标将是提供大量计算能力,鲁棒性和性能的大规模神经形态系统。” ),他是使用模拟技术进行神经形态计算的先驱。“与全数字系统相比,可配置的模拟数字系统的电源效率有望提高10,000倍。”

詹妮弗·哈斯勒(Jennifer Hasler)教授展示了一种现场可编程模拟阵列(FPAA)板,该板包括具有基于生物的神经元结构的集成电路,以实现节能

哈斯勒和一名前学生最近发表了一份详细计划,描述了能够进行类人认知的计算机系统的开发。Hasler和Bo Marr撰写的论文“寻找实现大型神经形态硬件系统的路线图”发表在2013年9月的《神经科学前沿》杂志上 。

“据我所知,这是第一次尝试详细的神经形态学路线图,” Hasler说。“我们描述了特定的计算技术可以在神经形态系统中提供真正的进步。”

与数字计算机不同,在数字计算机中,计算机可以通过处理不同的软件程序来处理许多不同的应用程序,而传统上,模拟电路已被硬连线以处理单个应用程序。例如,蜂窝电话使用节能的模拟电路来实现许多特定功能,包括捕获用户的语音,放大传入的语音信号以及控制电池电量。

由于模拟设备不必像数字计算机那样处理二进制代码,因此它们的性能可以更快,更省电。但是传统的模拟电路是有限的,因为它们是为特定的应用而构建的,例如处理信号或控制电源。它们没有可以处理软件的数字设备的灵活性,并且容易受到信号干扰问题或噪声的影响。

近年来,Hasler开发了一种新的模拟计算方法,其中基于硅的模拟集成电路接管了现在由熟悉的数字集成电路执行的许多功能。这些模拟芯片可以以某种方式类似于常规数字技术的方式快速重新配置,以提供一系列处理能力。

由詹妮弗·哈斯勒(Jennifer Hasler)教授开发的现场可编程模拟阵列(FPAA)板的特写,该板包括具有基于生物的神经元结构的集成电路

在过去的几年中,Hasler和她的研究小组开发了称为现场可编程模拟阵列(FPAA)的设备。像现场可编程门阵列(FPGA),它们是现代计算中无处不在的数字集成电路一样,FPAA可以在制造后重新配置,因此称为“现场可编程”。

Hasler and Marr在长达29页的论文中追溯了一个开发过程,该过程可能导致复制人脑复杂性的目标。研究人员详细研究了彼此之间可以建立的许多中间步骤,从而帮助研究人员相继改进了该技术。

例如,研究人员讨论了扩展能量效率,性能和尺寸的方法,以最终实现大规模的神经形态系统。作者还讨论了神经形态系统的实现和应用空间如何随着时间的推移而发展。

“这里的一个主要概念是,我们必须首先构建较小的系统,该系统能够简单地表示人脑皮质的一层,” Hasler说。“成功地演示了该系统之后,我们就可以以增加其复杂性和性能的方式对其进行复制。”

神经形态计算的主要障碍之一是以可复制人类认知的方式使集成电路联网所涉及的通信问题。Hasler和Marr在他们的论文中强调了局部互连性以降低复杂性。而且,他们认为有可能通过纯粹基于硅的技术来实现这些功能,而无需依赖基于其他方法的新颖设备。

南加州大学电气工程学教授爱丽丝·帕克(Alice C. Parker)评论最近的出版物时说:“哈斯勒教授的技术路线图是对大规模神经形态智能系统前景的首次深度分析,显然为这样的系统比我们的全脑仿真预测具有更近期的前景。她在模拟电路,技术和设备模型方面的专业知识为她提供了关于神经形态电路的独特见解。”

普渡大学生物医学工程副教授Eugenio Culurciello评论说:“我发现本文是对神经形态数据处理系统领域的非常准确的描述。哈斯勒的设备提供了我所见过的一些最佳的每单位功率性能,并且肯定会在未来的一项主要技术的发展蓝图中。”

哈斯勒说:“在这项研究中,我们得出的结论是,基于生物学原理的有用的神经计算机器(可能具有人脑的大小)在技术上似乎在我们的掌握范围之内。我们认为,与任何不可逾越的技术障碍相比,更多的问题是召集合适的研究团队并为研究和开发筹集资金。”

免责声明:本文由用户上传,如有侵权请联系删除!