Brain-inspired computing angehen könnte große Probleme in einem kleinen Weg,
Während Computer immer kleiner und leistungsfähiger und Supercomputer parallel computing zum standard geworden, wir sind über eine Wand schlagen in der Energie-und der Miniaturisierung. Nun, Penn State Forscher entwickelt haben, ein 2D-Gerät kann mehr, als ja-oder-Nein-Antworten und könnte mehr brainlike als Strom-computing-Architekturen.
„Komplexität Skalierung ist auch im Niedergang aufgrund der nicht-Skalierbarkeit der traditionellen von-Neumann-computing-Architektur und dem bevorstehenden „Dunklen Silizium-ära, die stellt eine ernsthafte Bedrohung für multi-core-Prozessor-Technologie“, bemerken die Forscher in der heutigen (Sept 13) online-Ausgabe von Nature Communications.
Die Dunklen Silizium-ära ist bereits bei uns zum Teil und bezieht sich auf die Unfähigkeit, die alle oder die meisten der Geräte auf einem computer-chip angetrieben werden, bis auf einmal. Dies geschieht, weil zu viel Wärme aus einem Gerät. Von-Neumann-Architektur ist die standard-Struktur der meisten modernen Computern und setzt auf einen digitalen Ansatz – „ja“ oder „Nein“ Antworten-wo Programm-Anweisung und Daten werden in demselben Speicher und teilen sich die gleichen Kommunikations-Kanal.
„Weil dieser, Daten, Operationen und Unterricht-Erwerb nicht gemacht werden können, zur gleichen Zeit,“ sagte Saptarshi Das, assistant professor für Ingenieurwissenschaften und mechanik. „Für komplexe Entscheidungen mit neuronalen Netzen, müssen Sie möglicherweise ein cluster von Supercomputern versucht-parallele Prozessoren in der gleichen Zeit — eine Millionen laptops parallel — das würde ein football-Feld. Tragbare medizinische Geräte, zum Beispiel, kann nicht funktionieren auf diese Weise.“
Die Lösung, nach Das, ist das erstellen von Gehirn-inspirierte, analog, statistische neuronale Netze, die sich nicht auf Geräte, die einfach an oder aus, sondern bieten eine Reihe von probabilistischen Antworten, die sind dann im Vergleich mit den erlernten Datenbank in der Maschine. Um dies zu tun, entwickelten die Forscher eine GAUSS-Feld-Effekt-transistor, der aus 2D-Material — Molybdändisulfid und schwarzen Phosphor. Diese Geräte sind energieeffizienter und erzeugen weniger Wärme, wodurch Sie optimal für scaling-up-Systeme.
„Das menschliche Gehirn arbeitet nahtlos auf 20 Watt Leistung,“ sagte Das. „Es wird mehr Energie effizient, mit 100 Milliarden Neuronen, und es nicht von-Neumann-Architektur.“
Die Forscher beachten Sie, dass es nicht nur Energie und Wärme, die zu einem Problem werden, aber, dass es immer schwieriger wird, um zu passen mehr in kleinere Räume.
„Größe skaliert hat aufgehört“, sagte Das. „Wir können nur fit rund 1 Milliarde transistoren auf einem chip. Wir brauchen mehr Komplexität wie das Gehirn.“
Die Idee des probabilistischen neuronalen Netzen gibt es schon seit den 1980er Jahren, aber es benötigt spezielle Geräte für die Umsetzung.
„Ähnlich wie die Arbeit des menschlichen Gehirns, wichtige Funktionen sind ein Auszug aus einer Reihe von training-samples zu helfen, das neuronale Netzwerk lernen“, sagte Amritanand Sebastian, graduate student in engineering science and mechanics.
Die Forscher testeten Ihre neuronalen Netzes auf die menschliche electroencephalographs, die grafische Darstellung der Hirnströme. Nach der Fütterung das Netzwerk mit vielen Beispielen von EEGs, das Netzwerk könnte dann eine neue EEG-signal und analysieren Sie es und bestimmen, ob der Gegenstand war zu schlafen.
„Wir brauchen nicht so umfangreich, eine Ausbildung oder Basis von Informationen, die für eine probabilistische neuronale Netzwerk, wie wir die Notwendigkeit für ein künstliches neuronales Netz“, sagte Das.
Die Forscher finden statistischen neural network computing mit Anwendungen in der Medizin, denn diagnostische Entscheidungen sind nicht immer 100% ja oder Nein. Sie erkennen auch, dass für die beste Wirkung, medizinische Diagnostik-Geräte zu klein, portable und verwenden Sie nur minimale Energie.
Das und Kollegen nennen Ihr Gerät eine Gauß-synapse, und es beruht auf einem zwei-transistor-setup, bei dem das Molybdän-Disulfid ist ein Elektronen Leiter, der schwarze Phosphor führt durch fehlende Elektronen oder Löchern. Das Gerät ist im wesentlichen zwei variable widerstände in Reihe und die Kombination erzeugt ein Diagramm mit zwei Schwänzen, das entspricht einer Gauß-Funktion.
Andere arbeiten an diesem Projekt wurden Andrew Pannone, Bachelor in engineering science and mechanics; und Shiva Subbulakshmi, student der Elektrotechnik an der Amrita “ Vishwa Vidyapeetham, Indien, und einen Sommer als Praktikant in der Das Labor.
Die Air Force Office of Scientific Research unterstützt diese Arbeit.
