Obliczenia światłowodowe wzorowane na ludzkim mózgu
Dendryty to rozgałęzione struktury na końcach komórek nerwowych, które odbierają i przetwarzają sygnały elektrochemiczne. Ich budowa łudząco przypomina drzewo: składają się z wielu gałęzi, do których dociera wiele sygnałów i które są lokalnie wstępnie przetwarzane na tych gałęziach dendrytycznych, zanim wynik obliczeń zostanie wysłany do ciała komórki nerwowej (soma), gdzie odbywa się jego ostateczne przetworzenie. „Dendryty składają się z wielu lokalnych sieci, które odciążają centralny procesor, jakim jest ciało komórki nerwowej”, wyjaśnia Florentin Wörgötter, profesor fizyki na Uniwersytecie w Getyndze. „Nowoczesne systemy komputerowe działają na podobnej zasadzie, wykorzystując wiele procesorów podrzędnych do przetwarzania wstępnego, które odciążają procesor główny”, mówi Wörgötter. Naukowcy uczestniczący w finansowanym przez UE projekcie ADOPD starali się wykorzystać te koncepcje do stworzenia ultraszybkich światłowodowych jednostek do obliczeń neuromorficznych (opartych na ludzkim mózgu), które mają zużywać znacznie mniej energii niż konwencjonalne systemy komputerowe i które powinny sprostać wykładniczo rosnącemu zapotrzebowaniu na szybkość przetwarzania. „Technologia ta jest szczególnie obiecująca ze względu na niski pobór energii i bardzo dużą prędkość”, dodaje Wörgötter, który pełni rolę koordynatora projektu ADOPD.
Owocne połączenie modelowania teoretycznego i opracowywania sprzętu
Zespół ADOPD łączył modelowanie teoretyczne z implementacją w faktycznym sprzęcie. Naukowcy zaczęli od znanej zasady obliczeniowej dotyczącej zmiany siły połączeń w sieci dendrytycznej (tzw. reguła plastyczności synaptycznej) i opracowali odpowiedni sprzęt elektrooptyczny, który pozwala na szybkie i efektywne przetwarzanie sygnału. „Dzięki zaimplementowaniu zasady plastyczności system może w pewnym stopniu dostosowywać się do zmian w danych wejściowych”, nadmienia Wörgötter. Równolegle zespół kontynuował prace nad teoretycznymi modelami przetwarzania sygnałów dendrytycznych w biofizycznie realistycznych modelach neuronalnych. „Połączenie tych dwóch kierunków badań okazało się owocne, ponieważ pod koniec projektu możliwe było rozszerzenie pierwotnej reguły plastyczności o nowe zasady obliczeniowe, odkryte dzięki naszym pracom z zakresu modelowania teoretycznego”, mówi Wörgötter.
Plastyczność synaps światłowodowych
Zespołowi ADOPD udało się uzyskać plastyczność synaptyczną poprzez wykorzystanie światłowodów oraz zasady obliczeniowej podobnej do tej obserwowanej w neuronach w ludzkim mózgu. „Równocześnie odkryliśmy i opatentowaliśmy nową metodę, która pozwala na bardzo szybką synchronizację różnych sygnałów”, zauważa Wörgötter. Metoda ta bazuje na tej samej zasadzie plastyczności i pod względem skuteczności może potencjalnie konkurować z konwencjonalnymi rozwiązaniami sprzętowymi. Zespół wykorzystuje ją obecnie do opracowania mikrochipa przeznaczonego do różnorodnych zastosowań, od telekomunikacji po autonomiczne pojazdy.
Budowanie podstaw dla obliczeń neuromorficznych nowej generacji
Wyniki prac prowadzonych w projekcie ADOPD przyczyniają się do rozwoju obliczeń neuromorficznych, którymi aktywnie zajmują się już niektórzy jego partnerzy. W dalszej kolejności konieczne będzie zwiększenie skali istniejącego systemu do większej liczby dendrytów i większych sieci, przy czym ma on szansę osiągnąć dojrzałość komercyjną w ciągu najbliższych 10 lat. Inna linia badań dotyczy metod „holograficznych” na potrzeby obliczeń światłowodowych. Zastosowanie technologii ADOPD pozwala między innymi na użycie grubszych włókien i wprowadzenie strumienia sygnału. Dzięki temu uzyskuje się sekwencję złożonych wzorów, następujących po sobie podobnie jak klatki w filmie. „Można również wykorzystać te wzorce do obliczeń, a korzyścią jest wówczas wysoce skompresowany strumień informacji”, wyjaśnia Wörgötter. „Jest to wyraźne rozszerzenie istniejących wyników ADOPD, jednak osiągnięcie tego celu będzie trudne”.
Słowa kluczowe
ADOPD, obliczenia neuromorficzne, modelowanie teoretyczne, sprzęt, neurony, mózg, obliczenia
