BrainScaleS-2: Muundo wa Kasi wa Kompyuta ya Kineuromofiki ya Analogi

Yaliyomo

1. Utangulizi

Muundo wa BrainScaleS (BSS) unawakilisha maendeleo makubwa katika usanifu kompyuta ya kineuromofiki, ukichanganya utekelezaji wa miundo ya kimwili ya analogi ya neuroni na sinapsi na viini vya usindikaji vya kidijitali. Mfumo wa BrainScaleS-2 wa kizazi cha pili, uliotengenezwa kama sehemu ya Mradi wa Ubongo wa Binadamu wa Ulaya, unaonyesha uboreshaji mkubwa ukilinganisha na zana yake ya awali kupitia kupitishwa kwa teknolojia ya 65 nm na kuunganishwa kwa vitengo maalum vya usindikaji wa ubadilikanaji wa kidijitali.

2. Mchanganuo wa Muundo wa BrainScaleS

2.1 Kiini cha Analogi cha Neva

Kiini cha analogi kinatekelezza miundo ya kimwili ya wakati endelevu ya neuroni na sinapsi, kikitoa uigaji wa kasi sana wa mitandao ya neva ya kibayolojia. Mfumo huu unafanya kazi na viwango vya wakati ambavyo ni vidogo kwa maagizo kadhaa ya ukubwa kuliko mifumo ya kibayolojia, na kuwezesha uigaji wa haraka wa mienendo ya neva.

2.2 Usindikaji wa Ubadilikanaji wa Kidijitali

Uvumbuzi muhimu katika BSS-2 ni kuunganishwa kwa kitengo cha usindikaji wa ubadilikanaji wa kidijitali—kompyuta ndogo inayofanana sana iliyobuniwa mahsusi kwa shughuli za kujifunza katika mifumo ya kasi ya kineuromofiki ya analogi. Kitengo hii kinashughulikia mabadiliko ya kimuundo na ya vigezo ambayo hutokea kwa viwango vya wakati vilivyo polepole ikilinganishwa na mienendo ya neva ya analogi.

2.3 Muundo wa Mfumo-kwenye-Chipu

Muundo huu una sifa ya Mfumo-kwenye-Chipu (SoC) wa kineuromofiki unaojumuisha viini vingi vya CPU vya kidijitali na vitengo maalum vya vekta vilivyounganishwa kupitia mtandao-juu-ya-chipu. Muundo huu unapendelea data ya matukio huku ukidumisha nafasi ya anwani ya kawaida kwa neuroni na CPU.

3. Utekelezaji wa Kiufundi

3.1 HICANN-X ASIC

Mzunguko Maalum UliyoJumuishwa (ASIC) wa HICANN-X unawakilisha utambuzi wa kisasa zaidi wa muundo wa BSS-2 katika silikoni. Uliyojengwa kwa teknolojia ya 65 nm, unawezesha kuunganishwa kwa usindikaji tata wa kidijitali pamoja na saketi za neva za analogi.

3.2 Miundo ya Neuroni na Sinapsi

Mfumo huu unaunga mkono miundo ya hali ya juu ya neuroni ikiwemo uigaji wa vituo vyenyeweza kutengenezwa programu na uendeshaji kati ya sehemu. Hii inawezesha kuigwa kwa dendriti zisizo za mstari, uwezekano wa hatua unaoenea nyuma, NMDA, na uwezekano wa uwanda wa Kalisiamu. Mienendo ya utando inaweza kuelezewa na:

$C_m \\frac{dV_m}{dt} = -g_L(V_m - E_L) - \\sum_i g_i(t)(V_m - E_i) + I_{ext}$

3.3 Mfumo wa Usawazishaji

Sanduku la zana la programu maalum linarahisisha uigaji tata uliosawazishwa wa Monte-Carlo, likilenga changamoto ya tofauti za mchakato katika saketi za analogi. Usawazishaji huu ni muhimu kwa mafanikio ya mafunzo na utendakazi unaoaminika.

4. Matokeo ya Majaribio

Mfumo wa BrainScaleS-2 unaonyesha uboreshaji mkubwa ukilinganishwa na kizazi cha kwanza. Kuunganishwa kwa usindikaji wa ubadilikanaji wa kidijitali kunawezesha kanuni za kujifunza zenye kubadilika zaidi zaidi ya STDP ya msingi. Kiongezevu cha analogi pia kinaunga mkono kuzidisha kwa vekta-matiti, na kuwezesha hitimisho la mitandao ya kina ya konvolusheni na kujifunza kwa ndani kwa neuroni zenye kuchomwa ndani ya msingi ule ule.

5. Utekelezaji wa Msimbo

Mfumo huu unatumia PyNN, lugha ya maelezo ya mtandao wa neva isiyohusiana na kigunduzi, ikitoa kiolesura cha kawaida cha programu. Hapa chini kuna mfano rahisi wa usanidi wa neuroni:

# Mfano wa msimbo wa PyNN kwa BrainScaleS-2
import pyNN.brainscales as bss

# Sanidi vigezo vya neuroni
neuron_parameters = {
    'tau_m': 10.0,      # kiwango cha wakati cha utando
    'cm': 1.0,          # uwezo wa utando
    'v_rest': -70.0,    # uwezo wa kupumzika
    'v_thresh': -55.0,  # uwezo wa kizingiti
    'tau_syn_E': 5.0,   # kiwango cha wakati cha sinapsi ya kuchochea
    'tau_syn_I': 5.0    # kiwango cha wakati cha sinapsi ya kuzuia
}

# Unda idadi ya watu wa neuroni
population = bss.Population(100, bss.IF_cond_exp, neuron_parameters)

# Sanidi kanuni ya ubadilikanaji
stdp_model = bss.STDPMechanism(
    timing_dependence=bss.SpikePairRule(),
    weight_dependence=bss.AdditiveWeightDependence()
)

6. Matumizi ya Baadaye

Muundo wa BrainScaleS-2 unafungua uwezekano mpya kwa matumizi ya kompyuta ya kineuromofiki. Mchanganyiko wa uigaji wa kasi wa analogi na uwezo wa kutengenezwa programu wa kidijitali unaufanya ufawe kwa mifumo ya kisasa ya akili bandia ya wakati halisi, utafiti wa kompyuta inayochochewa na ubongo, na matumizi ya akili bandia ya kingo yenye nguvu chini. Maendeleo ya baadaye yanaweza kulenga kuongeza ukubwa kwa mitandao mikubwa ya neva, kuboresha ufanisi wa nishati, na kuimarisha uwezo wa kutengenezwa programu wa kanuni za kujifunza.

Uchambuzi wa Asili

7. Marejeo