Els investigadors imiten el cervell humà per fer una xarxa neuronal de baixa potència

Les xarxes neuronals –o rèpliques artificials del cervell humà– permeten que els científics i els enginyers duguin a terme anàlisis que portin els humans a l'edat. Poden abocar entre infinites taules de dades i assenyalar discrepàncies en imatges que passen desapercebudes per la gent.

Tenen un desavantatge: els millors xarxes neuronals del joc utilitzen una quantitat d’energia increïble per fer la seva feina.

"Fa uns anys, IBM va tractar de simular l'activitat cerebral d'un gat en un supercomputador i va acabar consumint megawatts de poder", explica Abhronil Sengupta, investigadora de la Universitat de Purdue Invers. "El cervell humà biològic no consumeix gairebé tant. No es tracta d’una comparació directa directa a una xarxa neuronal, sinó que us hauria de donar una estimació de com són els sistemes informàtics amb capacitat per a poder. ”

Sengupta i un equip d’informàtica de la Universitat de Purdue i l’Institut d’Enginyers Elèctrics i Electrònics (IEEE) van aconseguir una manera d’aconseguir que les xarxes neuronals consumissin menys energia mentre continuaven fent una feina. Un document que han publicat al lloc de preimpressió arXiv explica com es van inspirar en el cervell humà i van implementar la seva idea per permetre que la seva xarxa neuronal consumís aproximadament 11 vegades menys energia que els sistemes tradicionals.

El seu enfocament fa ús de xarxes neuronals que pengen, o SNN. A diferència dels seus homòlegs, aquests sistemes computacionals emulen neurones biològiques amb molta més precisió.

Les xarxes neuronals estàndard es componen de milers de nodes utilitzats per prendre decisions i judicis sobre les dades que se'ls presenten. La sortida d’aquests només depèn del que es presenta actualment, mentre que la sortida d’SNN també depèn d’estímuls anteriors. Els nodes d’un SNN només funcionaran quan s’aconsegueixi un cert nivell d’estímul. Així que en lloc de constantment passant dades a altres nodes, els nodes SNN només transmeten informació quan ho fan haver de.

Normalment, això té un cost energètic gegant, ja que la majoria d’aquests sistemes es fan utilitzant el que s’anomena tecnologia complementària d’òxid de metalls-semiconductors o CMOS. Aquesta tecnologia constitueix totes les fitxes del vostre ordinador portàtil i s’ha utilitzat com a elements bàsics per a les xarxes neuronals. Per al seu estudi, el grup d’investigadors va abandonar la tecnologia CMOS i va construir un SNN completat de memristors.

Per a les "resistències de memòria", la resistència elèctrica dels memristors depèn de la quantitat de càrrega elèctrica que circulés en el passat. Així, a diferència de la tecnologia CMOS, és capaç de "recordar" allò que va passar abans, que és exactament el que els nodes de les SNN han de fer.

Els resultats de l’estudi van demostrar que els memristors imiten molt bé la neurona biològica. Es comuniquen entre si mitjançant espigues o ràfegues curtes d’energia, a diferència d’un flux de potència constant. Aquesta memristor-SNN va tenir una lleugera disminució de la precisió quan es va utilitzar per a la classificació d'imatges en comparació amb els seus homòlegs CMOS, però va necessitar una fracció de les xarxes neuronals estàndard.

Abans d’aquest estudi, els SNN eren el més pròxim d’un cervell humà artificial que teníem, però l’enorme quantitat de potència que van prendre per utilitzar va cancel·lar alguns dels seus beneficis. Si altres científics són capaços de replicar aquestes xarxes neuronals que estalvien l'energia, podrien permetre'ls fer més amb menys energia i apropar-les per entendre com reproduir el cervell biològic.