В СПбГЭТУ «ЛЭТИ» создали энергоэффективный искусственный нейрон, имитирующий поведение живых нервных клеток. Разработка может лечь в основу нейроморфных чипов для дата-центров, носимой электроники и систем распределенного интеллекта.
Развитие искусственного интеллекта сопровождается значительным ростом вычислительных мощностей. Однако эффективность работы современных нейросетей имеет и обратную сторону: для обучения и функционирования больших языковых моделей требуется огромное количество электроэнергии. Для сопоставления: мозг человека при решении сложных когнитивных задач потребляет около 20 ватт. В то время как обучение крупной языковой модели может занимать многие мегаватт-часы, а ее работа в режиме обработки запросов — сотни ватт.
Одной из причин низкой энергоэффективности современных вычислительных систем является архитектура фон Неймана, в которой данные постоянно передаются между памятью и процессором. Это создает так называемое «бутылочное горлышко», приводящее к дополнительным временным и энергетическим затратам. В связи с этим исследователи все чаще обращаются к биологическим принципам работы нервной ткани для создания новых типов вычислительных устройств. На данный момент большинство нейроморфных разработок существуют в виде прототипов, однако рост серверных парков с видеокартами для нейросетей ставит вопрос о необходимости создания компьютеров на новых физических принципах.
В этом направлении группа ученых из Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» предложила новый подход к построению базового элемента нейроморфных чипов. Они разработали модель искусственного TS-TD нейрона, поведение которого сходно с живыми нервными клетками: он накапливает сигналы, срабатывает при достижении порога и имеет рефрактерный период. Был изготовлен работающий прототип на печатной плате.
Конструкция нейрона включает три основных компонента: туннельный диод, обеспечивающий эффект генерации импульса; пороговый селектор, работающий по принципу образования проводящего канала из атомов серебра; и конденсатор, выполняющий роль мембраны. Для проверки работы сети из таких нейронов исследователи использовали математическую модель Ижикевича, которая позволяет ускорить симуляцию. В смоделированной сети из 7840 нейронов и 351 тысячи синапсов точность распознавания рукописных цифр (MNIST) составила 97,9%, а изображений одежды (Fashion-MNIST) — 89,5%, что сопоставимо с существующими аналогами.
Расчеты показывают, что гипотетический чип на таких нейронах способен обрабатывать 500 кадров в секунду при потреблении всего 0,012 ватта — в сотни раз меньше, чем сопоставимые одноплатные компьютеры. В отличие от существующих цифровых нейроморфных чипов, предложенная модель является аналоговой, что позволяет снизить энергопотребление на порядки и упростить производство. Такие чипы могут найти применение не только в дата-центрах, но и в компактных сенсорных устройствах, носимой электронике, нейроинтерфейсах и системах распределённого интеллекта.