大学教育网

弹性节能人工智能机器学习的关键可能存在于人脑中

导读 星形胶质细胞以其星形命名,是一种神经胶质细胞,是大脑神经元的支持细胞。它们在记忆、学习、自我修复和同步等大脑功能中起着至关重要的作...

星形胶质细胞以其星形命名,是一种神经胶质细胞,是大脑神经元的支持细胞。它们在记忆、学习、自我修复和同步等大脑功能中起着至关重要的作用。

“这个项目源于最近在计算神经科学中的观察,因为人们对大脑的工作方式做了很多努力和理解,人们正试图修改简单化的神经元 - 突触连接模型,”电子学助理教授 Abhronil Sengupta 说。工程和计算机科学。“事实证明,大脑中有第三种成分,星形胶质细胞,它构成了大脑细胞的重要部分,但它在机器学习和神经科学中的作用有点被忽视了。”

与此同时,人工智能和机器学习领域正在蓬勃发展。据分析公司 Burning Glass Technologies 称,到 2025 年,对人工智能和机器学习技能的需求预计将以 71% 的复合增长率增长。 然而,随着这些技术的使用增加,人工智能和机器学习面临着挑战——它们使用大量能量。

“人工智能和机器学习的一个经常被低估的问题是这些系统的功耗,”Sengupta 说。“例如,几年前,IBM 试图模拟猫的大脑活动,这样做最终消耗了大约几兆瓦的功率。如果我们只是扩展这个数字来模拟人类的大脑活动在我们今天拥有的最好的超级计算机上,功耗甚至会超过兆瓦。”

所有这些用电量都是由于计算机处理中发生的开关、半导体和其他机械和电气过程的复杂舞蹈,当这些过程与人工智能和机器学习的需求一样复杂时,这种变化会大大增加。一个潜在的解决方案是神经形态计算,即模拟大脑功能的计算。研究人员对神经形态计算很感兴趣,因为人类大脑已经进化到在其过程中使用的能量比计算机少得多,因此模仿这些功能将使人工智能和机器学习成为一个更节能的过程。

另一种具有神经形态计算潜力的大脑功能是大脑如何自我修复受损的神经元和突触。

“星形胶质细胞在自我修复大脑方面起着非常关键的作用,”Sengupta 说。“当我们试图提出这些新的设备结构时,我们试图形成一个原型人工神经形态硬件,这些硬件的特点是有很多硬件级的故障。所以也许我们可以从计算神经科学中获得基于星形胶质细胞如何运作的见解正在导致大脑中的自我修复,并使用这些概念可能导致神经形态硬件的自我修复来修复这些故障。”

Sengupta 的实验室主要研究自旋电子设备,这是一种通过自旋电子处理信息的电子设备。研究人员检查了这些设备的磁性结构,以及如何通过在设备的内在物理学中模仿大脑的各种神经突触功能来使它们具有神经形态。

这项研究是 1 月份发表在神经科学前沿的一项研究的一部分。反过来,该研究导致该研究最近发表在同一期刊上。

“当我们在之前的研究中开始研究自我修复的方面时,我们意识到星形胶质细胞也有助于时间信息结合,”Sengupta 说。

时间信息绑定是大脑如何理解在不同时间发生的不同事件之间的关系,并将这些事件理解为一个序列,这是人工智能和机器学习的重要功能。

“事实证明,我们在先前研究中使用的磁结构可以通过各种耦合机制同步在一起,我们想探索如何让这些同步磁装置模拟星形胶质细胞诱导的相位耦合,超越先前的工作完全是神经突触装置,”Sengupta 说。“我们希望设备的内在物理特性能够模拟大脑中的星形胶质细胞相位耦合。”

为了更好地了解如何实现这一目标,研究人员开发了神经科学模型,包括星形胶质细胞模型,以了解星形胶质细胞功能的哪些方面与他们的研究最相关。他们还开发了潜在自旋电子器件的理论模型。

“我们需要了解设备物理,这涉及到设备的大量理论建模,然后我们研究了如何开发端到端、跨学科的建模框架,包括从神经科学模型到算法再到设备的所有内容物理学,”森古普塔说。

创建这种节能且具有故障恢复能力的“天体计算”可以为在智能手机等功率受限的设备上完成更复杂的人工智能和机器学习工作打开大门。

“人工智能和机器学习每天都在改变我们周围的世界,你可以从智能手机识别朋友和家人的照片,到机器学习对不同疾病的医学诊断的巨大影响,”Sengupta 说。“与此同时,研究星形胶质细胞在神经形态计算中可以实现的自我修复和同步功能类型确实处于起步阶段。这些类型的组件有很多潜在的机会。”