Cuando se dispara, una neurona consume significativamente más energía que una operación de computadora equivalente. Y, sin embargo, una red de neuronas acopladas puede continuamente aprender, detectar y realizar tareas complejas a niveles de energía que actualmente son inalcanzables incluso para el estado de la-procesadores de arte.
¿Qué hace una neurona para ahorrar energía que no hace una unidad de procesamiento de computadora contemporánea?
El modelado por computadora realizado por investigadores de la Universidad de Washington en la Escuela de Ingeniería McKelvey de St. Louis puede proporcionar una respuesta. Usando "neuronas" de silicio simuladas, descubrieron que las restricciones de energía en un sistema, junto con la propiedad intrínseca de las neuronas tienen que moverse hacia elLa configuración de energía más baja conduce a un protocolo de comunicación dinámico a distancia que es más robusto y más eficiente energéticamente que los procesadores de computadora tradicionales.
La investigación, del laboratorio de Shantanu Chakrabartty, el profesor Clifford W. Murphy en el Departamento de Ingeniería Eléctrica y Sistemas Preston M. Green, se publicó el mes pasado en la revista Fronteras en neurociencia .
Se trata de hacer más con menos.
Ahana Gangopadhyay, estudiante de doctorado en el laboratorio de Chakrabartty y autora principal del artículo, ha estado investigando modelos de computadora para estudiar las restricciones de energía en las neuronas de silicio, neuronas creadas artificialmente, conectadas por cables, que muestran la misma dinámica y comportamiento quelas neuronas en nuestros cerebros
Al igual que las neuronas biológicas, sus contrapartes de silicio también dependen de condiciones eléctricas específicas para disparar, o picos. Estos picos son la base de la comunicación neuronal, que se desliza hacia adelante y hacia atrás, transportando información de neurona a neurona.
Los investigadores primero observaron las restricciones de energía en una sola neurona. Luego, un par. Luego, agregaron más. "Descubrimos que hay una manera de acoplarlos donde puedes usar algunas de estas restricciones de energía, ellos mismos, para crear un virtualcanal de comunicación ", dijo Chakrabartty.
Un grupo de neuronas opera bajo una restricción de energía común. Por lo tanto, cuando una sola neurona se dispara, necesariamente afecta la energía disponible, no solo para las neuronas a las que está directamente conectada, sino para todas las demás que operan bajo la misma restricción de energía.
De este modo, las neuronas espirales crean perturbaciones en el sistema, permitiendo que cada neurona "sepa" qué otras están disparando, cuáles están respondiendo, etc. Es como si todas las neuronas estuvieran incrustadas en una lámina de goma;un pico, los afectaría a todos. Y como todos los procesos físicos, los sistemas de neuronas de silicio tienden a auto-optimizarse a sus estados menos energéticos mientras también se ven afectados por las otras neuronas en la red.
Estas restricciones se unen para formar una especie de red de comunicación secundaria, donde se puede comunicar información adicional a través de la topología dinámica pero sincronizada de los picos. Es como la lámina de goma que vibra en un ritmo sincronizado en respuesta a múltiples picos.
Esta topología lleva consigo información que se comunica, no solo a las neuronas que están físicamente conectadas, sino a todas las neuronas bajo la misma restricción de energía, incluidas las que no están físicamente conectadas.
Bajo la presión de estas restricciones, Chakrabartty dijo: "Aprenden a formar una red sobre la marcha".
Esto permite una comunicación mucho más eficiente que los procesadores de computadora tradicionales, que pierden la mayor parte de su energía en el proceso de comunicación lineal, donde la neurona A primero debe enviar una señal a través de B para comunicarse con C.
El uso de estas neuronas de silicio para procesadores de computadora brinda la mejor compensación de eficiencia a velocidad de procesamiento, dijo Chakrabartty. Permitirá a los diseñadores de hardware crear sistemas para aprovechar esta red secundaria, computando no solo linealmente, sino con la capacidad de desempeñarsecomputación adicional en esta red secundaria de picos.
Sin embargo, los próximos pasos inmediatos son crear un simulador que pueda emular miles de millones de neuronas. Luego, los investigadores comenzarán el proceso de construcción de un chip físico.
Fuente de la historia :
Materiales proporcionado por Universidad de Washington en St. Louis . Original escrito por Brandie Jefferson. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :