Оптическое волокно из особого материала может стать основой компьютеров, которые “думают” как люди

IT новости на Учитель программирования Ру
Исследователи из университета Саутгемптона (University of Southampton) и Технологического университета Нанянга (Nanyang Technological University, NTU), Сингапур, обнаружили, что волоконная оптика, изготовленная из особого оптического материала, может использоваться для создания широкополосных искусственных нейронов, которые во многих чертах идентичны их биологическим аналогам. Используя данную технологию должным образом, можно создать чипы, которые станут основой компьютеров, которые могут думать и обучаться также, как это делают люди.

Человеческий мозг способен очень быстро обрабатывать огромное количество информации, затрачивая на это энергию, не превышающую 20 Вт. К сожалению, даже самые мощные современные суперкомпьютеры проигрывают мозгу во многих отношениях, что является следствием наличия узких мест в архитектуре вычислительных систем. Эти узкие места ограничивают скорости передачи и обработки информации, и для моделирования работы участков мозга даже в режиме замедленного времени требуется в миллионы раз большая энергия, чем требуется мозгу для выполнения тех же самых операций.

Одним из перспективных способов преодоления проблемы узких мест вычислительной архитектуры является создание новой архитектуры компьютеров, которые работают на принципах работы головного мозга и которые способны думать и обучаться как человек. Это направление уже оформилось в виде так называемых нейроморфных вычислений, новой дисциплины, в которой работа электронных цепей подражает биологическим процессам, происходящем в мозге.

В свое время многие группы ученых и инженеров производили попытки, порой вполне удачные, создания нейроморфных процессоров и специализированных чипов. Но все они полагались лишь на чистую электронику. Группа, возглавляемая профессором Чезаре Сочи (Prof. Cesare Soci) из NTU, нашла, что стекло, изготовленное с применением серосодержащих соединений, может использоваться для созданий нейроморфных чипов, основанных на принципах волоконной оптики. Используя такой подход можно существенно расширить полосу пропускания данных и уменьшить расход энергии до уровня, а может и меньше уровня расхода энергии биологическими нейронами.

Созданный учеными искусственный оптический синапс во многом ведет себя подобно обычному синапсу. Основной разницей является то, что сигналы, активирующие нейроны в мозге, имеют электрическую и химическую природу, а в оптические нейроны, как несложно догадаться, оперируют исключительно оптическими сигналами.

Поскольку “внутренняя работа” нейроморфного оптического чипа весьма подобна работе мозга, то в работе искусственного мозга могут быть использованы ассоциативные принципы обучения и многие другие функции, основанные на более сложных принципах обработки данных. “Обучаемые фотоэлектрические приборы, объединенные в сложные сети, могут использоваться для реализации новых вычислительных парадигм, основанных на принципах, совершенно отличных от принципов булевой логики. Эти парадигмы, сформированные в виде совершенно новой архитектуры, позволят вычислительной системе подражать функциям мозга и использовать аналогичные принципы передачи сигналов, что в свою очередь может стать решением для снятия ограничений скорости передачи и обработки информации, которые тормозят быстродействие традиционных систем” – рассказывает профессор Сочи.

Более того, считают ученые, оптические искусственные нейроны, которые могут работать на скоростях, сопоставимых со скоростью света, при дальнейшем развитии этой технологии смогут превзойти биологические нейроны по показателям скорости передачи информации, расхода энергии и даже по габаритным размерам. А это, в свою очередь, может привести к появления необычайно компактных и необычайно высокопроизводительных вычислительных систем, которые смогут потягаться по своим возможностям даже с квантовыми компьютерами, которые являются одними из главных кандидатов на звание вычислительных систем следующих поколений.

Источник


Поделиться ссылочкой: