Нейромо́рфные вычисле́ния — направление вычислительной техники, призванное имитировать структуру и функции человеческого мозга и нервной системы для создания аппаратного и программного обеспечения для обработки информации. Нейроморфные компьютерные системы основаны на узлах искусственной нейронной сети, которые обмениваются импульсными (событийными) сигналами. В таких системах аппаратное устройство (нейронный процессор, нейроморфный микропроцессор) и алгоритмы проектируются с учётом принципов работы нейронов и синапсов.
В отличие от традиционной архитектуры Фон-Неймана, где память и процессор разъединены, нейроморфные устройства сочетают хранение и обработку информации локально, используя искусственные нейроны и синапсы как единицы обработки. Данный принцип значительно снижает энергопотребление и задержки при обработке сигналов: аналогично тому, как человеческий мозг способен эффективно распознавать образы и обрабатывать сигналы, потребляя лишь ~20 Вт.
История и развитие Современная концепция нейроморфных вычислений была впервые предложена профессором Калифорнийского технологического института Карвером Мидом в конце 1980-х годов, когда им был введен термин «нейроморфная инженерия» для обозначения подхода к созданию электронных систем, имитирующих структуру и функции биологических нейронных сетей. Мид разработал первые чипы, включая искусственную сетчатку для имитации ранней обработки зрительной информации.
В 1990 г. Карвер Мид опубликовал обзор «Нейроморфные электронные системы», где сформулировал полноценная концепцию «нейроморфных систем» и подчеркнул преимущества аналоговых VLSI-нейросимуляторов. Впоследствии, были разработаны первые масштабные образцы: TrueNorth (2014) – цифровой чип с ~1 млн нейронов и 256 млн синапсов, а также: архитектура SpiNNaker (Манчестерский университет, 2013–2018) – кластер ARM-процессоров для имитации миллионов нейронов; платформа BrainScaleS (Гейдельбергский университет, 2013–) – аналоговый нейроморфный ускоритель для моделирования сетей в ускоренном времени; исследовательские проекты Intel Loihi (первое поколение 2018 г.) и Loihi 2 (второе поколение 2021 г.).
Принцип работы Нейроморфные системы моделируют нейроны как динамические элементы, генерирующие короткие электрические импульсы («спайки»). Информация кодируется временем появления импульсов – последовательность моментов активации полностью определяет передаваемое сообщение. Такая импульсная передача принципиально отличается от традиционных нейросетей с непрерывными сигналами: классические сети обычно оперируют непрерывными значениями активаций, тогда как импульсные нейронные сети используют разрежённое событийное кодирование. Это приближает работу искусственных систем к биологическому нейронному коду, где импульсы рассматриваются как идентичные стандартные события и несут информацию лишь посредством своего числа или временной разницы.
Нейроморфные вычисления не используют глобальных тактовых импульсов. Аппаратные реализации строятся по асинхронной схеме: вычисления запускаются только при поступлении импульса (события), а отсутствие события означает отсутствие активности. В этой модели нет центрального тактового сигнала – структура работы систем ближе к «самосогласованной» работе мозга. Исследователи отмечают, что асинхронная схема «природно и комплементарно» соответствует задачам, позволяя решать проблемы масштабируемости, модульности и отказоустойчивости систем. Асинхронная передача между модулями (например, по шине адресных событий) позволяет системам реагировать на входные события и снижать задержки обмена данными.
Подобно биологическим синапсам, где вес соединения одновременно хранит и обрабатывает информацию, в нейроморфных схемах применяется смежная архитектура. Такой подход обеспечивает высокую энергоэффективность — от уровня системных платформ до отдельных искусственных синапсов.
Области применения Компания Intel активно интегрирует и применяет нейроморфные системы. Проект «Loihi 2» и фреймворк «Lava» применяются для распознавание жестов, голоса и движений, восприятия среды, обонятельного восприятия, робототехники. Была создана самая большая нейроморфная система «Hala Point»: 1,15 миллиарда нейронов, развернута в Сандийской Национальной Лаборатории. Используется в исследованиях устойчивого ИИ.
Компания IBM создала чип с ~1 миллион нейронов и 256 млн синапсов. Используется для визуального распознавания объектов, обработки аудио «always-on speech recognition», сенсорных/перцептивных задач с низким энергопотреблением.
Нейроморфные вычисления, в частности, нейроморфные чипы применяются в автомобилестроении. Компании Mercedez-Benz и BMW интегрировали чипы радарных системах и для оптимизации обработки радиолокационных данных.
Примечания
Литература
Категория:Искусственный интеллект Категория:Инновации Категория:Вычислительная техника