Dallas’taki Texas Üniversitesi’nden bilim adamları bir nöromorfik bilgisayar bir şeye benzer şekilde işlev gören insan beyni.
Yeni bilgisayar, aralarındaki yolları güçlendirerek çalışıyor. sentetik nöronlar Uyarıldıklarında, tıpkı beyindeki nöronların yeni bilgileri öğrenmek ve işlemek için yaygın olarak kullanılan yolları güçlendirmesi gibi.
Prototipin arkasındaki araştırmacılar söz konusu onların beyinden ilham alan işlemci daha hızlı öğrenebilir ve daha az kullanabilir enerji ortaya çıkmaktan daha Yapay zeka sistemlerisistem tasarımcılarına enerji yoğun veri merkezlerine olan bağımlılığın azalmasına yol açabilecek ve “yapay zeka çıkarımı ve öğrenimini” getirebilecek güçlü ve etkili yeni bir araç sunuyor. mobil cihazlar.”
Geleneksel bilgisayarlar, verilerin sabit disk veya RAM gibi tek bir ortamda depolandığı ve işlemlerin ayrı bir işlemcide gerçekleştiği şekilde tasarlanmıştır. Dallas’taki Texas Üniversitesi’nde elektrik ve bilgisayar mühendisliği doçenti olan Dr. Joseph S. Friedman’a göre, bu tasarım yapay zekanın, tıpkı insan beyninin doğal olarak yaptığı gibi, verimli çıkarımlar yapma yeteneğini sınırlıyor. Dr. Friedman ve ekibi, bu tasarımın büyük miktarda “etiketli” veri ve “muazzam sayıda karmaşık eğitim hesaplaması” gerektirdiğini belirtiyor.
Araştırmacılar, prototip nöromorfik bilgisayarlarının tamamlandığını duyuran bir açıklamada, “Bu eğitim hesaplamalarının maliyeti yüz milyonlarca dolar olabilir” dedi.
Tersine, nöromorfik bilgisayarlar, tıpkı insan beynine benzer şekilde, işleme ve hafıza depolamayı tek bir yerde bütünleştirir. Örneğin beyin hücreleri, bilgiyi aynı alanda depolamak ve işlemek için birlikte çalışan nöron ve sinaps ağlarını içerir. Bu, bireysel nöronlar arasındaki bağlantıları oluşturan sinapsların aktivite modellerine bağlı olarak güçlenmesi veya zayıflaması durumunda ortaya çıkar. Araştırma ekibi, bu entegrasyonun “beynin öğrenirken sürekli olarak uyum sağlamasına olanak sağladığını” söylüyor.
İnsan beynindeki sinir sinaps bağlantılarını şablon olarak kullanan bir bilgisayar tasarlamayı ümit eden Friedman ve meslektaşları, ilk olarak Dr. Donald Hebb tarafından önerildiğini söyledikleri bir prensibi kullandılar. Hebb Yasası olarak adlandırılan fikir, birlikte ateşlenen nöronların birbirine bağlandığını öne sürüyor.
Friedman, “Bir bilgisayarın kendi başına öğrenmesi için kullandığımız prensip, eğer bir yapay nöron başka bir yapay nöronun ateşlenmesine neden olursa, bunları birbirine bağlayan sinapsın daha iletken hale gelmesidir” dedi.
Üniversitenin NeuroSpinCompute Laboratuvarı’nda Everspin Technologies Inc. ve Texas Instruments’tan araştırmacılarla birlikte çalışmak. Friedman ve meslektaşları, nöromorfik bilgisayarlardaki nöronlar arasındaki bağlantıyı simüle etmek için manyetik tünel bağlantıları (MJT’ler) adı verilen bir araç kullandılar. Friedman’a göre bu nano ölçekli cihazlar, manyetik olmayan bir yalıtım katmanıyla ayrılmış iki manyetik malzeme katmanından oluşuyor. Dış katmanların mıknatıslanmaları aynı hizadaysa, elektronlar yalıtım bariyerinden daha kolay tünel açabilirler. Tersine, zıt yönlerde hizalanan mıknatıslanmalar elektron tünellemesini daha zor hale getirebilir.
Yazarlara göre, “beynin işleyiş ve kalıpları öğrenme şeklini taklit etmek için” MTJ’leri ağ röleleri olarak prototip nöromorfik bilgisayarlarına entegre ettiler.
“Sinyaller MTJ’lerden koordineli bir şekilde geçerken, beyindeki sinaptik bağlantıların öğrenme sırasında güçlendirilmesi gibi, bağlantıları da belirli yolları güçlendirecek şekilde ayarlanır” diye açıkladılar.
Ekip, bu “ikili anahtarlama” tasarımının nöromorfik bilgisayarları güvenilir bir bilgi depolama ortamı haline getirdiğini ve “alternatif nöromorfik yaklaşımları uzun süredir engelleyen bir zorluğu çözdüğünü” söyledi.
Bir sonraki yinelemede, Dallas’taki Texas Üniversitesi ekibi, kavram kanıtı nöromorfik bilgisayarını daha büyük boyutlara yükseltmeyi umuyor. Friedman, ticari olarak uygun bir sistem oluşturabilirlerse, sınırlı enerji ihtiyaçlarının ve geleneksel yapay zeka sistemlerine kıyasla eğitim sürelerinin azalmasının, nöromorfik bilgisayarların “akıllı cihazlara büyük enerji maliyetleri olmadan güç sağlayabileceği” anlamına geldiğini söyledi.
“Çalışmamız, kendi kendine öğrenebilen, beyinden ilham alan bilgisayarlar oluşturmak için potansiyel yeni bir yol gösteriyor” diye bitirdi.
Çalışma “Manyetik tünel kavşak sinapslarıyla nöromorfik Hebbian öğrenme” İletişim Mühendisliği’nde yayınlandı.
Christopher Plain, Bilim Kurgu ve Fantazi roman yazarı ve The Debrief’te Baş Bilim Yazarıdır. Onu takip edin ve onunla bağlantı kurun X, onun kitapları hakkında bilgi edinin plainfiction.comveya doğrudan şu adrese e-posta gönderin: [email protected].
