연구원, 인간 뇌를 모방하여 저전력 신경망 만들기

인간의 뇌의 신경 회로망이나 인공 복제물 (artificial replicas)은 과학자와 엔지니어가 인간의 나이를 들여 분석 할 수있게합니다. 끝없는 데이터 테이블을 통해 사람들이 눈치 채지 못할 이미지의 불일치를 지적 할 수 있습니다.

그들은 한 가지 단점을 가지고 있습니다: 게임에서 최고의 신경망은 일을하기 위해 믿을 수 없을 정도의 에너지를 사용합니다.

"몇 년 전에 IBM은 수퍼 컴퓨터에서 고양이의 뇌 활동을 시뮬레이션하려고 시도했으며 메가 와트의 전력을 소비했습니다."Purdue 대학의 Abhronil Sengupta 연구원은 역. "생물학적 인간의 두뇌는 그 근처에서 아무데도 소비하지 않습니다. 이것은 신경 네트워크에 대한 일대일 직접 비교가 아니지만, 전력 소비가 많은 컴퓨팅 시스템이 얼마나되는지를 예측할 수 있어야합니다."

Sengupta와 Purdue University의 컴퓨터 과학자 팀과 IEEE (전기 및 전자 엔지니어 협회) 팀은 신경 네트워크가 에너지를 덜 소비하도록하면서 동시에 킥 - 엉덩이 일을하는 방법을 생각해 냈습니다. arXiv 사전 게시 사이트에 게시 한 논문은 인간 두뇌에서 영감을 얻은 방법을 설명하고 신경망이 기존 시스템보다 대략 11 배 적은 에너지를 소비 할 수 있도록 아이디어를 구현했습니다.

그들의 접근 방식은 스파이크 신경 네트워크 또는 SNN을 사용합니다. 대응 시스템과는 달리,이 계산 시스템은 생물학적 뉴런을 훨씬 정확하게 에뮬레이션합니다.

표준 신경망은 제시된 데이터에 대한 의사 결정과 판단에 사용되는 수천 개의 노드로 구성됩니다. 이들로부터의 출력은 현재 제시되고있는 것에 만 의존하고, SNN 출력은 이전의 자극에도 의존한다. SNN의 노드는 일정 수준의 자극에 도달 한 경우에만 작동합니다. 그래서 대신 끊임없이 데이터를 다른 노드로 전달하면 SNN 노드는 정보를 전달할 때만 정보를 전달합니다. ~해야한다..

이러한 시스템의 대부분은 CMOS (complementary metal-oxide-semiconductors) 기술 또는 CMOS로 알려진 기술을 사용하여 이루어지기 때문에 일반적으로 막대한 에너지 비용이 소요됩니다. 이 기술은 랩톱의 모든 칩을 구성하고 신경망을위한 빌딩 블록으로 사용되었습니다. 그들의 연구를 위해 연구원 그룹은 CMOS 기술을 버리고 멤 리스터에서 완전히 만들어진 SNN을 만들었습니다.

"메모리 저항기"의 약자로, 멤 리스터의 전기 저항은 과거에 얼마나 많은 전하가 흘렀는가에 달렸습니다. 따라서 CMOS 기술과는 달리 이전에 통과 한 것을 "기억"할 수 있습니다. SNN의 노드가 정확하게 수행해야하는 작업입니다.

연구 결과, 멤 리스터는 생물학적 뉴런을 아주 잘 모방했다. 그들은 일정한 힘의 흐름과 달리 스파이크 또는 짧은 에너지 버스트를 사용하여 서로 통신합니다. 이 memristor-SNN은 CMOS 분류에 비해 이미지 분류에 사용되었을 때 정확도가 약간 떨어졌지 만 표준 신경망의 일부만 사용했습니다.

이 연구에 앞서 SNN은 우리가 가진 인공 인간의 뇌에 가장 가까운 것이었지만 엄청난 양의 힘이 사용되어 그 이익의 일부를 상쇄했습니다. 다른 과학자들이 이러한 절전 신경 네트워크를 복제 할 수 있다면 더 적은 에너지로 더 많은 일을 수행하고 생물학적 뇌를 복제하는 방법을 더 가까이 이해할 수있게 될 것입니다.