Новое решение
для нейроморфных
вычислений.
Уже не ново, что будущее современных машин зиждется на их, если можно так выразиться, «разумности». То есть они должны не только быстро и точно выполнять задачи, но ещё и делать это гибко, адаптируясь под изменение условий деятельности подобно человеческому мозгу. Идея искусственных нейросетей (ИНС) уже сдвинула всю прежнюю парадигму вычислений. Теперь, вместо длинных инструкций и цепочек алгоритмической логики, научный мир делает ставку на интенсивное использование данных.
Будучи построенными по мотивам биологических нейронных систем, искусственные представляют собой набор множества взаимосвязанных нелинейных функциональных единиц, также, по аналогии с вдохновителями, называемых «нейронами». Однако, чтобы решать задачи с той же эффективностью, что и живой прототип, современные ИНС требуют больших энергетических и временных затрат как на обучение путём обработки данных, так и, собственно, на генерацию самого решения.
Одно из самых многообещающих средств обойти эти чисто аппаратные проблемы ‒ так называемые нейроморфные (напоминающие нейробиологические структуры нервной системы человека) вычисления. Но у них есть свои изъяны.
Устремившись в этом направлении, международная команда исследователей из Дортмунда, Лафборо, Киева и Ноттингема разработала новую концепцию, которая может сделать ИИ компактнее и эффективнее. Эта работа, суть которой сводится к созданию фонон-магнонного резервуара для нейроморфных вычислений, встроенного в кристалл, опубликована в журнале Nature Communications в разделе «Отмечено редактором».
Есть целый ряд методов, приближающих науку к заветной цели. Одним из таких подходов стали так называемые резервуарные вычисления, которые имеют все шансы значительно улучшить результаты. Суть их в том, что входные сигналы отображаются в многомерном пространстве ‒ резервуаре, ‒ но сам этот резервуар не является обученным алгоритмом, а роль его сводится к ускорению распознавания с помощью упрощённой искусственной нейросети. Такой ход приводит к значительному сокращению не только вычислительных ресурсов, но и затрачиваемого на обучение времени.
Существующие вычислительные системы умеют имитировать функцию резервуара при работе с оцифрованными сигналами, но этого оказалось недостаточно. Для фундаментального прорыва на этой стезе нам необходимо научиться производить расчёты резервуаров с помощью непосредственно аналоговых сигналов естественной физической системы, как это происходит в человеческом зрении. К этому достижению и приближает нас основополагающая разработка новой концепции.
Она предполагает резервуар на основе акустических (фононов) и спиновых (магнонов) волн, смешанных в чипе размером 25x100x1 кубический микрон. Сам этот чип представляет собой сэндвич из многомодового полупроводникового фононного (акустического) волновода, передающего множество различных звуковых волн, и покрытия из узорчатой ферромагнитной плёнки в 0,1 микрона толщиной.
Здесь один лазер кодирует входные сигналы в виде фононных волновых пакетов, которые взаимодействуют с ферромагнитными магнонами плёнки, а второй ‒ считывает выходной сигнал, отражающий фазочувствительную смесь фононных и магнонных мод, содержание которых диктуется положениями лазеров записи и чтения. Это настолько эффективно разделяет визуальные формы, нарисованные лучом записывающего лазера на поверхности наноустройства, что можно уверенно распознавать визуальные формы, нарисованные лазером, на площади, сравнимой с одним пикселем современной цифровой фотокамеры.
«Концепция очень перспективна, поскольку она основана на преобразовании входного сигнала в высокочастотные акустические волны, как в современных устройствах беспроводной связи, ‒ резюмирует руководитель части проекта, реализованной в Техническом университете Дортмунда, доктор Алексей Щербаков. ‒ Наш диапазон акустических частот превышает 10 ГГц, что несколько выше доступного сейчас, но он нацелен на следующие стандарты беспроводной связи. Таким образом, кто знает, возможно, через пару лет ваш мобильный телефон поможет вам принимать очень человечные решения».
По материалам АРМК.
