Większa wydajność i lepsza sprawność obliczeń w sieciach neuronowych
Obliczenia neuromorficzne opierają się na urządzeniach sprzętowych odzwierciedlających strukturę, procesy oraz możliwości neuronów i synaps, które znajdują się w biologicznych mózgach. Niektórzy naukowcy uznają, że zastosowanie tego pionierskiego podejścia może zaowocować powstaniem energooszczędnych alternatyw dla konwencjonalnych architektur obliczeniowych. Dotychczas udało się im wskazać szereg potencjalnych zastosowań takich rozwiązań, wśród których można wymienić rozwój sztucznej inteligencji (SI), a także robotykę i systemy autonomiczne. Aby jednak z powodzeniem skomercjalizować i spopularyzować takie rozwiązania, konieczne jest rozwiązanie wielu problemów.
Rozwiązywanie problemów i ograniczeń komputerów neuromorficznych
Celem zespołu realizującego finansowany ze środków Unii Europejskiej projekt PlasmoniAC było odkrycie sposobów na rozwiązanie niektórych z tych problemów. „Postanowiliśmy zająć się kwestią ograniczonej sprawności neuromorficznych elektronicznych układów obliczeniowych”, wyjaśnia koordynator projektu PlasmoniAC Nikos Pleros z Uniwersytetu Arystotelesa w Salonikach. „Ograniczenia te skutkują niższą możliwą wydajnością oraz mocą, dochodzą do tego także trudności w połączeniu tych układów z analogowymi procesorami elektronicznymi”. Z tego powodu zespół postawił na opracowanie materiałów opartych na osiągnięciach plazmoniki. Plazmonika to nowatorska i rozwojowa dziedzina badań, która koncentruje się na rezonansowym oddziaływaniu między promieniowaniem elektromagnetycznym a wolnymi elektronami na styku metalu i materiału dielektrycznego, takiego jak powietrze lub szkło. Oddziaływanie to skutkuje powstawaniem fal gęstości elektronowej nazywanych plazmonami lub plazmonami powierzchniowymi. Zespół projektu PlasmoniAC uznał, że opracowanie nowych materiałów i technologii plazmonicznych może być kluczem do optymalizacji mocy obliczeniowej, rozmiaru i energii układów neuromorficznych, a dodatkowo pomoże w zapewnieniu wysokiej wydajności komputerów neuromorficznych.
Zweryfikowane doświadczalnie prototypy plazmoniczne
Zespół projektowy rozpoczął swoje prace od analizy potencjału zróżnicowanych nowych materiałów plazmonicznych z myślą o wykorzystaniu ich w komputerach neuromorficznych. Wśród nich znalazły się między innymi tytanian baru, plazmoniczny organiczny materiał hybrydowy i dwutlenek tytanu. Badacze opracowali także modele uczenia głębokiego na potrzeby projektu. Zespół opracował nową klasę modeli i architektur uczenia głębokiego opartych na optyce, które zostały następnie zweryfikowane w ramach prototypowych rozwiązań powstałych w ramach prac zespołu PlasmoniAC. „Dzięki wykorzystaniu szerokiej gamy zbiorów danych na potrzeby algorytmów uczenia głębokiego mieliśmy możliwość oceny tych architektur i prototypów”, dodaje Pleros. „Wśród nich można wymienić zestawy danych związane z rozpoznawaniem obrazów, monitorowaniem ruchu sieciowego pod kątem cyberbezpieczeństwa i komunikacją optyczną”.
Komercjalizacja nowych rozwiązań sprzętowych
Sukces w zakresie badań i testów różnych materiałów plazmonicznych w ramach projektu pomógł utorować drogę do opracowania nowych komponentów komputerowych, które znacząco przewyższają swoje elektroniczne odpowiedniki pod kątem efektywności energetycznej. Badaczom udało się również opracować nowe rozwiązanie umożliwiające identyfikowanie nowych zagrożeń związanych z cyberbezpieczeństwem w sieciach. „Nasze prace zaowocowały już powstaniem dwóch spółek typu spin-off”, wyjaśnia Pleros. „Ich celem jest komercjalizacja opracowanych przez nas technologii i materiałów, takich jak modulatory oparte na tytanianie baru”. Przełomowe osiągnięcia w zakresie rozwiązań neuromorficznych, cyberbezpieczeństwa sieci oraz SI zaowocowały również złożeniem czterech wniosków o ochronę patentową w Stanach Zjednoczonych, które mogą zapewnić możliwości przyszłej komercjalizacji wyników projektu. „Jednym z kluczowych rezultatów projektu jest potwierdzenie wykonalności i możliwości realizacji teoretycznych planów w zakresie rozwiązań neuromorficznych”, zauważa Pleros. „Nasz zespół skutecznie sprostał także niektórym wyzwaniom technicznym i związanym z architekturą, których rozwiązanie było konieczne, by umożliwić zastosowanie tej technologii poza laboratorium”.
Słowa kluczowe
PlasmoniAC, neuromorficzne, obliczenia, synapsy, neuronowe, SI, plazmoniczne
