Чип KAIST імітує мозок: 27% економії енергії та стійкість до збоїв

Сучасні системи штучного інтелекту, попри свою потужність, продовжують споживати величезну кількість енергії та мають серйозні обмеження, коли йдеться про адаптацію і стійкість до збоїв. Вони не можуть повною мірою відтворити найважливіші механізми, що забезпечують феноменальну ефективність людського мозку. Саме тому увага наукової спільноти зосереджена на неуроморфних обчисленнях, які прагнуть скопіювати біологічні принципи роботи нейронів. В одному з досліджень, що просуває цю галузь, йдеться про розробку південнокорейського інституту KAIST, яка пропонує розв’язання проблеми. Про цей винахід написало видання Neuroscience News, а ми підготували виклад найважливішого, розкриваючи деталі технології та її практичне значення для майбутнього електроніки.

Що таке внутрішня пластичність і чому вона ключова?

Ключовим елементом, який відсутній у звичайних ШІ-чипах, є «внутрішня пластичність» (Intrinsic Plasticity) — властивість, що дозволяє індивідуальним нейронам мозку автономно та миттєво змінювати свою чутливість чи характеристики реакції залежно від попереднього досвіду та контексту. Мозок використовує цей механізм для регулювання своєї реакції: наприклад, коли людина вчиться менше реагувати на багаторазово повторюваний звук, або навпаки — швидше реагує на важливий стимул після тренування. Фактично, внутрішня пластичність дозволяє нейронам пам'ятати свою минулу активність і коригувати реакцію без залучення складних центральних механізмів.

Нова розробка KAIST, що отримала назву «Frequency Switching Neuristor» (Нейристор з перемиканням частоти) , є штучним нейронним пристроєм, який вперше зміг реалізувати цей принцип у напівпровіднику. Цей нейристор може самостійно регулювати частоту своїх імпульсів (spiking frequency), що робить його біоміметичним аналогом живого нейрона.

Два мемристори для створення біоміметичної пам'яті

Підписуйтеся на наші соцмережі

Для імітації складної поведінки біологічного нейрона, команда KAIST, очолювана професором Кюнг Міном Кімом, створила пристрій, який поєднує в собі два типи мемристорів — електронних компонентів, що можуть запам’ятовувати попередній електричний стан:

Комбінація цих двох компонентів дозволяє нейристору вільно контролювати частоту імпульсів нейрона. Взаємний вплив нейронних імпульсних сигналів та змін опору мемристорів забезпечує автоматичне налаштування реакцій. Таким чином, внутрішня пластичність реалізується на апаратному рівні, де сама функція пластичності виступає одночасно і як пам'ять, і як процесор для обчислювальної системи. Пристрій демонструє програмовані багаторівневі частотно-напругові характеристики (f−V).

Практична цінність: енергія та життєстійкість

Впровадження внутрішньої пластичності дає дві критично важливі переваги, які є ключовими для практичного застосування у сфері високих технологій:

Феноменальна енергоефективність

Експериментальні симуляції, проведені дослідниками на розріджених нейронних мережах, довели значне поліпшення енергетичних показників. Завдяки вбудованій функції пам’яті нейрона, система змогла досягти ідентичної продуктивності ШІ, використовуючи при цьому на 27,7% менше енергії, ніж традиційні нейронні мережі. Ця ефективність дозволяє створювати ультра-низькопотужне апаратне забезпечення, яке зберігає продуктивність, споживаючи менше електрики.

Структурна стійкість та самовідновлення

Можливо, найбільш вражаючою перевагою є здатність мережі до самовідновлення (structural plasticity). Дослідження продемонстрували, що навіть у випадку симуляції пошкодження деяких нейронів або часткових відмов у схемі, внутрішня пластичність дозволяла мережі реорганізуватися та повністю відновити свою робочу продуктивність. Ця функція, по суті, дозволяє штучному інтелекту компенсувати фізичні відмови компонентів, що перетворює нову технологію на ключовий компонент для систем, які вимагають довготривалої стабільності та безвідмовності.

Підсумок: новий рівень для Edge Computing

Розроблений у KAIST нейристор виводить енергоефективність та надійність апаратного забезпечення ШІ на якісно новий рівень. Ця технологія, здатна запам'ятовувати свій стан та адаптуватися чи відновлюватися навіть після пошкоджень, є критично важливою для галузей, де необхідна автономна та стабільна робота. Йдеться насамперед про периферійні обчислення (Edge Computing) та автономне водіння, де низьке енергоспоживання, швидкість та стійкість до збоїв є не просто перевагами, а критичними вимогами.

Глосарій ключових понять

Цей матеріал підготовлений на основі інформації з відкритих джерел. Редакція самостійно відбирає ключові факти, аналізує їх та структурує за допомогою AI-інструментів.