شبکه عصبی Spiking (SNN) یک رویکرد منحصر به فرد برای شبیه سازی عملکردهای مغز ارائه می دهد و آن را به تمرکز اصلی در تحقیقات محاسباتی تراشه نورومورفیک مدرن تبدیل می کند. برخلاف شبکه‌های عصبی سنتی، شبکه عصبی SNN در تراشه نورومورفیک بر روی سیگنال‌های گسسته و رویداد محور عمل می‌کنند و با فرآیندهای بیولوژیکی هماهنگ‌تر هستند.

darwin3 a large scale - معماری تراشه نورومورفیک در مقیاس بزرگ
تراشه‌های محاسباتی نورومورفیک تخصصی در حال توسعه هستند تا از مزایای SNN بهتر استفاده کنند. این تراشه ها نشان دهنده انحراف از معماری محاسباتی سنتی هستند و راه حلی امیدوارکننده برای محدودیت های ذخیره سازی و قدرت ارائه می دهند.

با این حال، برای درک کامل پتانسیل SNN ها، محققان با چندین چالش روبرو هستند. اول، آنها باید از انعطاف‌پذیری مدل‌های عصبی برای ثبت دقیق رفتارهای متنوع مغز اطمینان حاصل کنند. دوم، آنها باید به مقیاس پذیری و چگالی اتصالات سیناپسی بپردازند تا شبکه های عصبی بزرگ را به طور موثر پشتیبانی کنند. در نهایت، دستیابی به قابلیت‌های یادگیری روی تراشه نورومورفیک برای این تراشه‌ها ضروری است تا مانند مغزهای واقعی سازگار شوند و بهبود یابند.

با در نظر گرفتن این چالش ها، تیم پروفسور گنگ پن در دانشگاه ژجیانگ با آزمایشگاه ژجیانگ برای توسعه تراشه نورومورفیک داروین 3، آخرین نسخه از سری داروین، همکاری کردند. این تیم به بررسی مدل‌های عصبی و سیناپس‌های متعدد پرداختند، نحوه عملکرد آنها را تجزیه و تحلیل کردند و جنبه‌های محاسباتی کلیدی آن‌ها را شناسایی کردند. این یافته ها در مجله National Science Review منتشر شده است.

بر اساس یافته‌ها، آن‌ها یک معماری مجموعه دستورالعمل جدید (ISA) را به طور خاص برای محاسبات تراشه نورومورفیک پیشنهاد کردند. این ISA امکان به روز رسانی سریع حالت و بارگذاری پارامترها را فراهم می کند و ساخت کارآمد مدل های مختلف و قوانین یادگیری را امکان پذیر می کند.

a new low cost high ef 150x150 - معماری تراشه نورومورفیک در مقیاس بزرگ بیشتر بخوانید: مدار مجتمع فوتونیک جدید، کم هزینه و با راندمان بالا

علاوه بر این، تیم تحقیقاتی یک مکانیسم اتصال کارآمد ابداع کردند که به طور قابل توجهی کارایی ذخیره سازی روی تراشه را افزایش می دهد و در عین حال از بیش از 2 میلیون نورون و 100 میلیون سیناپس روی یک تراشه پشتیبانی می کند. شبکه های عصبی در مغز ما به طور باورنکردنی به هم مرتبط هستند.

به طور متوسط، هر نورون می تواند با هزاران نورون دیگر ارتباط برقرار کند. مکانیسم اتصال پیشنهادی یک پایه سخت افزاری فوق العاده برای ساخت شبکه های عصبی مقیاس مغز فراهم می کند.

این تیم تحقیقاتی همچنین پیشرفت‌های قابل توجهی در قابلیت‌های یادگیری روی تراشه نورومورفیک برای داروین 3 ایجاد کرده است که به آن امکان می‌دهد اطلاعات جدید و محیط‌های پویا را در حین اجرای شبکه‌های عصبی spiking به طور موثر مدیریت کند. این امر داروین 3 را سازگارتر و کاربرپسندتر کرده است و سازگاری استثنایی را در سناریوهای پیچیده به نمایش می گذارد.

آزمایش‌های اخیر قابلیت‌های چشمگیر داروین 3 در یادگیری روی تراشه و توانایی پشتیبانی از انواع مختلف SNN را نشان می‌دهد و آن را از سایر تراشه‌ های نورومورفیک متمایز می‌کند. توسعه داروین 3 نقطه عطف مهمی در محاسبات تراشه نورومورفیک است که نویدبخش پیشرفت قابلیت‌های هوش مصنوعی است.


تالیف:
فروشگاه اینترنتی آ.اس.پ (اقتباس از مقاله‌ای از Techxplore)
در صورت استفاده از این مقاله، نام و آدرس فروشگاه اینترنتی آ.اس.پ را به عنوان منبع ذکر کنید.