Forskere fra Tyumen State University præsenterede for verdens videnskabelige samfund udviklingen af en enestående biomorfisk neuroprocessor baseret på en ny nanoelektronisk komponent - en kombineret memristor-diode tværbjælke, rapporterer presseservice fra Tyumen State University. Forskningsresultaterne offentliggøres i tidsskriftet Microelectronic.
De eksisterende neuroprocessorer er ifølge forskere fra Tyumen State University designet til hardwareacceleration af beregninger i kunstige neurale netværk på enkle neuroner og giver driften af computervision, maskinindlæring og andre systemer med svag kunstig intelligens (AI).
Informationsbehandling og beslutningstagning i sådanne processorer sker ved at vælge den mest plausible løsning baseret på tidligere etablerede foreninger.
Neuroprocessoren udviklet ved Tyumen State University er ifølge dens skabere i stand til at generere nye foreninger (ny viden) ved hjælp af en biologisk lignende mekanisme, som giver os mulighed for at tale om en mulig overgang fra svag til stærk kunstig intelligens. Stærk AI betyder evnen til at forstå ny viden.
Ifølge Tyumen State University implementerer den biomorfe neuroprocessor et impulshardwaralt neuralt netværk baseret på den udviklede elektriske og originale software (Neural Computing and Applications) biomorfe modeller af neuronen.
Forfatterne hævder, at deres processor ud over at løse traditionelle informationsbehandlingsopgaver er i stand til at gengive arbejdet i hjernens kortikalsøjle.
Ifølge professoren er neuroprocessoren faktisk grundlaget for et unikt nyt generationssystem, som bærer kunstig intelligens.
Den udviklede specialiserede hardware kan bruges til at løse tekniske problemer - for at øge hastigheden og energieffektiviteten i beregninger i sammenligning med de computerfaciliteter, der findes i dag (personlige computere, servere og supercomputere).
Salgsfremmende video:
Effekten opnås ved brug af blandede analoge-digitale beregninger, herunder ved hjælp af bipolære memristorer integreret i kombinerede memristor-diode tværstænger.
Indtil videre har videnskabsmænd fra Tyumen State University med succes demonstreret informationsbehandling i fremstillede memristor-diode tværbjælker - vejning, tilføjelse og routing af pulser samt associativ selvindlæring og generation af nye foreninger. Indtil nu er associeret selvlæring kun blevet påvist i neurale netværk fra hardware, der er bygget på diskrete memristorer.
I øjeblikket fortsætter forskningsgruppen hardware-test af det nye system. Ifølge forskere vil lanceringen af en unik neuroprocessor i småskala produktion være mulig inden 2025. Forskningen blev støttet af RFBR-tilskud nr. 19-07-00272 og nr. 19-37-90030.