Mạng thần kinh tăng đột biến (SNN) là mạng nhân tạo có thể được sử dụng để chế tạo robot thông minh hoặc để tìm hiểu thêm về các cơ chế đằng sau bộ não. Mặc dù có kích thước nhỏ nhưng bộ não của chúng ta có sức mạnh tính toán đáng kể. Vì não xử lý các tín hiệu thần kinh theo cách này nên nhiều học giả đã quan tâm đến việc phát triển các mạng nhân tạo có chức năng tương tự.
Mặt khác, bộ não có 100 tỷ tế bào thần kinh nhỏ, mỗi tế bào thần kinh được kết nối khớp thần kinh với 10.000 tế bào thần kinh khác và thể hiện thông tin thông qua các mô hình điện được định thời gian. Rất khó để bắt chước các tế bào thần kinh này bằng phần cứng trên một thiết bị nhỏ đồng thời đảm bảo rằng việc tính toán được thực hiện theo cách tiết kiệm năng lượng. Gần đây, các nhà nghiên cứu của MIT đã chế tạo một con chip AI giống LEGO mới với những lo ngại về tính bền vững.
SNN dựa vào mạng lưới các nơ-ron nhân tạo
Trong một thời gian gần đây họccác nhà khoa học ở Ấn Độ đã phát triển các tế bào thần kinh nhân tạo năng lượng cực thấp cho phép SNN được đặt dày đặc hơn. Giao dịch của IEEE trên Mạch và Hệ thống I: Giấy tờ thông thường đã công bố những phát hiện này vào ngày 25 tháng 5, theo Phổ IEEE.
SNN dựa vào mạng lưới các nơ-ron nhân tạo, trong đó nguồn điện hiện tại sẽ sạc tụ điện bị rò rỉ cho đến khi đạt đến mức ngưỡng và các nơ-ron nhân tạo sẽ kích hoạt. Khi các nơ-ron nhân tạo hoạt động, điện tích dự trữ sẽ được đặt lại về 0, giống như các nơ-ron trong não tăng đột biến ở một ngưỡng năng lượng nhất định. Tuy nhiên, rất nhiều SNN hiện tại cần dòng điện bán dẫn đáng kể để lấp đầy tụ điện của chúng, điều này dẫn đến mức tiêu thụ điện năng cao hoặc tốc độ bắn nơ-ron nhân tạo quá nhanh.
Trong nghiên cứu của họ, Viện Công nghệ Ấn ĐộGiáo sư Udayan Ganguly và các đồng nghiệp của ông đã phát triển một SNN sử dụng dòng điện đường hầm băng tần (BTBT), một nguồn dòng điện mới và di động, để sạc các tụ điện.
Cần ít năng lượng hơn khi sử dụng BTBT vì dòng điện xuyên hầm lượng tử sẽ sạc tụ điện bằng dòng điện cực thấp. Mục đích là tạo ra một mô hình tiết kiệm năng lượng, giống như chip AI giống LEGO. Trong trường hợp này, đường hầm lượng tử đề cập đến hiện tượng sóng lượng tử cho phép dòng điện đi qua khe cấm silicon của tế bào thần kinh nhân tạo.
Phương pháp BTBT cũng loại bỏ yêu cầu sử dụng tụ điện lớn để lưu trữ lượng dòng điện đáng kể, mở ra cơ hội cho các tụ điện nhỏ hơn trên chip và giúp tiết kiệm không gian. Các nhà nghiên cứu đã nhận thấy mức giảm đáng kể về năng lượng và không gian khi họ thử nghiệm chiến lược tế bào thần kinh BTBT bằng cách sử dụng công nghệ bóng bán dẫn silicon trên chất cách điện thương mại 45 nanomet.
“So sánh với công nghệ tiên tiến [artificial] các nơ-ron được triển khai trong các mạng nơ-ron tăng đột biến phần cứng, chúng tôi đã đạt được 5Ganguly cho biết, năng lượng trên mỗi xung thấp hơn 000 lần ở một khu vực tương tự và công suất dự phòng thấp hơn 10 lần ở cùng một khu vực và năng lượng trên mỗi xung.
Sau đó, các nhà nghiên cứu đã sử dụng SNN của họ để cải thiện mô hình nhận dạng giọng nói dựa trên vỏ não thính giác. Mô hình đã nhận dạng thành công các từ được nói với sự hỗ trợ của 36 nơ-ron nhân tạo bổ sung và 20 nơ-ron nhân tạo để mã hóa đầu vào ban đầu, chứng minh khả năng tồn tại của phương pháp này trong thế giới thực.
Đáng chú ý, loại công nghệ này có thể phù hợp với nhiều nhiệm vụ khác nhau, chẳng hạn như phát hiện hoạt động giọng nói, phân loại giọng nói, nhận dạng mẫu chuyển động, điều hướng, tín hiệu sinh học, v.v. Ganguly chỉ ra thêm rằng mặc dù các ứng dụng này có thể chạy trên các máy chủ và siêu máy tính hiện có, nhưng SNN có thể giúp sử dụng chúng với các thiết bị biên, chẳng hạn như điện thoại di động và cảm biến Internet of Things, đặc biệt trong trường hợp năng lượng ở mức cao.
Mặc dù nhóm của anh ấy đã cho thấy tính hiệu quả của phương pháp BTBT đối với các ứng dụng cụ thể, chẳng hạn như phát hiện từ khóa, anh ấy khẳng định rằng họ quan tâm đến việc thể hiện lõi khớp thần kinh có thể tái sử dụng cho nhiều ứng dụng và khách hàng khác nhau và đã thành lập một công ty khởi nghiệp gọi là Numelo Tech để hỗ trợ thương mại hóa.
Mục tiêu cuối cùng là phát triển “lõi khớp thần kinh có công suất cực thấp và phát triển cơ chế học tập trên chip theo thời gian thực, vốn là chìa khóa cho mạng lưới thần kinh lấy cảm hứng từ sinh học tự trị. Đây chính là chén thánh.” Những nỗ lực này, giống như chip AI giống LEGO, rất quan trọng để tạo ra một thế giới bền vững. Nghiên cứu mới nhất của Schneider Electric cũng chỉ ra rằng các chuyên gia trong ngành không đáp ứng được lời hứa về tính bền vững CNTT của họ.
