Sandia Ulusal Laboratuarlarındaki araştırmacılar, beynin mantığını sentetik olarak kopyalayan nöromorfik bilgisayarların, yapay zekanın ortaya çıkardığından daha karmaşık sorunları çözebileceğini gösterdi.
Dergide yeni yayınlanan bir makalede Doğa Elektroniğiaraştırmacılar, rastgele yürüyüşler adı verilen istatistiksel yöntemi kullanan nöromorfik simülasyonların, kemik ve yumuşak dokudan geçen X-ışınlarını izleme, bir popülasyondan geçen hastalık, sosyal ağlar üzerinden bilgi akışı ve daha fazlası gibi her türlü gelişmiş hesaplamayı yapabildiğini gösteren bulgularını detaylandırdı. .
Sandia teorik sinirbilimci ve baş araştırmacı James Bradley Aimone’ye göre, nöromorfik bilgisayarlar optimal durumlarda geleneksel hesaplamadan daha az enerji kullanarak sorunları daha hızlı çözebilir. İstatistiksel sorunlar GPU’lar veya CPU’lar için pek uygun olmadığından, bu özellikle yüksek performanslı bilgi işlem (HPC) topluluğunun ilgisini çekmelidir.
Sandia mühendisi ve yeni makalenin yazarı Brian Franke, bir basın bülteni nöromorfik bilgisayarların belirli senaryolarda GPU’lardan nasıl daha verimli olabileceğine dair şunları söylüyor:
“Listelediğiniz süreçlerin doğal rastgeleliği, yeni nesil hesaplama çabalarında GPU’lar gibi vektör işlemcilerle doğrudan eşleştirildiğinde onları verimsiz hale getirecektir. Bu arada, nöromorfik mimariler, ilgimizi çeken sorunları çözmek için ölçeklenebilir ve enerji açısından verimli bir yaklaşıma yol açabilecek parçacık simülasyonu için ilgi çekici ve kökten farklı bir alternatiftir.”
nöromorfik hesaplama
Sandia araştırmacıları testlerini yapabilmek için bir buçuk yıl önce Intel’den aldıkları 50 milyon çipli Loihi platformunu kullandılar.
Neormorfik hesaplama, diğer hesaplama yöntemlerine meydan okumak anlamına gelmese de, Aimone’a göre bilgi işlem hızı ve düşük enerji maliyetlerinin kombinasyonunun onu daha iyi bir seçim haline getirdiği başka alanlar da var.
Aynı zamanda, kuantum bilgisayarlara kübit eklemenin yarattığı zorlukların aksine, yapay nöronlar içeren çipler ucuz ve kurulumu kolaydır. Bununla birlikte, nöroçip işlemcileri üzerinde veya dışında veri taşımak, ne kadar fazla veri toplarlarsa, onları kullanan bir sistem o kadar yavaşladığından, sonunda hiç çalışmayacak kadar pahalı olabilir. Sandia’nın araştırmacıları, ham veriler yerine çıkarılan özet istatistikleri hesaplayan küçük bir nöron grubunu yapılandırarak bu engelin üstesinden gelebildiler.
Tıpkı insan beyni gibi, nöromorfik çipler, küçük pim benzeri yapıları elektriklendirerek ve belirli bir elektrik seviyesine ulaşılana kadar çevredeki sensörlerden yayılan küçük yükler ekleyerek çalışır. Ardından pim, biyolojik bir nöron gibi küçük bir elektrik patlaması yapar.
İleriye dönük olarak, Loihi’nin bir sonraki sürümü, mevcut çip ölçeğini, birden fazla çipi bir kartta birleştiren büyük ölçekli sistemlerle çip başına 128 bin nörondan bir milyona çıkaracak. Sonunda, Loihi gibi bir teknoloji, HPC’yi daha enerji verimli ve çevre dostu ve aynı zamanda daha uygun maliyetli hale getirmeye yardımcı olmak için yüksek performanslı bir bilgi işlem platformuna girme yolunu bulabilir.
