211service.com
Supergeleidende neuronen kunnen de energie-efficiëntie van de hersenen evenaren
Gloeiende conceptuele afbeelding van een brein Getty
Het menselijk brein is verreweg het meest indrukwekkende computerapparaat dat de wetenschap kent. De hersenen werken met een kloksnelheid van slechts een paar hertz, slakachtig in vergelijking met moderne microprocessors die met gigahertz-snelheden werken.
Maar het krijgt zijn kracht door veel berekeningen tegelijk uit te voeren - een miljard miljard berekeningen per seconde. Door dit parallellisme kunnen problemen met conventionele computers eenvoudig worden opgelost: autorijden, lopen, praten, enzovoort.
Nog indrukwekkender is dat het dit alles doet met weinig meer dan een kom pap. Daarentegen verbruiken de krachtigste supercomputers ter wereld meer stroom dan grote steden.
Daarom willen computerwetenschappers de computerprestaties van het menselijk brein kopiëren door neurale netwerken als rekenwerkpaarden te gebruiken.
Dat is makkelijker gezegd dan gedaan. Gewone chips kunnen worden geprogrammeerd om zich als neurale netwerken te gedragen, maar dit is rekenkundig veeleisend en energieverslindend.
In plaats daarvan willen computerwetenschappers kunstmatige neuronen bouwen en deze met elkaar verbinden in hersenachtige netwerken. Dat heeft de potentie om aanzienlijk energiezuiniger te zijn, maar niemand heeft een ontwerp bedacht dat in de buurt komt van de efficiëntie van de hersenen.
Tot vandaag. Kom binnen bij Emily Toomey van het MIT en een paar collega's, die een supergeleidend neuron hebben ontworpen dat is gemaakt van nanodraden dat zich in veel opzichten als een echt neuron gedraagt. Ze zeggen dat hun apparaat overeenkomt met de energie-efficiëntie van de hersenen (althans in theorie) en de bouwsteen is van een nieuwe generatie supergeleidende neurale netwerken die veel efficiënter zullen zijn dan conventionele computermachines.
Eerst wat achtergrond. Neuronen coderen informatie in de vorm van elektrische pieken, of actiepotentialen, die zich langs de lengte van de zenuw verplaatsen. In hersenachtige netwerken worden neuronen van elkaar gescheiden door gaten die synapsen worden genoemd.
De informatie kan over deze synapsen springen, waardoor andere neuronen worden beïnvloed, waardoor ze gaan vuren of ze remmen op een manier die voorkomt dat ze vuren. Hierdoor kunnen neuronen zich inderdaad als logische poorten gedragen en een enkele output produceren als reactie op meerdere inputs.
Biologische neuronen hebben een aantal belangrijke eigenschappen die dit mogelijk maken. Ze vuren bijvoorbeeld niet tenzij het ingangssignaal een bepaald drempelniveau overschrijdt, en ze kunnen niet opnieuw vuren totdat een bepaalde tijd is verstreken, een periode die bekend staat als de refractaire periode. En de tijd die een piek nodig heeft om langs een axon te reizen - het lichaam van een neuron - is ook belangrijk, omdat het de afstand codeert die de piek heeft afgelegd.
Een kunstmatig neuron moet zoveel mogelijk van deze kenmerken kunnen reproduceren. Dat vereist meestal een aantal complexe schakelingen.
Maar Toomey en co wijzen erop dat supergeleidende nanodraden een eigenaardige niet-lineaire eigenschap hebben waardoor ze zich als neuronen kunnen gedragen. Deze eigenschap ontstaat doordat de supergeleiding van de nanodraad uitvalt wanneer de stroom die er doorheen stroomt een bepaalde drempelwaarde overschrijdt.
Wanneer dit gebeurt, neemt de weerstand plotseling toe, waardoor een spanningspuls ontstaat. Deze puls is analoog aan de actiepotentiaal in een neuron. Door het te gebruiken om nog een andere puls te moduleren die wordt geproduceerd door een tweede supergeleidende nanodraad, wordt de simulatie nog realistischer.
Dit creëert een eenvoudig supergeleidend circuit dat veel van de eigenschappen van biologische neuronen heeft. Toomey en co hebben aangetoond dat een supergeleidend neuron een vuurdrempel, een refractaire periode en een reistijd heeft die onder andere kan worden aangepast aan de circuiteigenschappen.
Cruciaal is dat dit supergeleidende neuron ook kan worden gebruikt om andere neuronen te activeren of te remmen. En deze fanout-eigenschap is de sleutel tot het creëren van netwerken. Dat is iets wat andere supergeleidende neuronontwerpen nooit hebben kunnen bereiken.
En omdat supergeleidende circuits heel weinig stroom verbruiken, suggereren de berekeningen van Toomey en co, zou dit soort supergeleidende neurale netwerken de efficiëntie van biologische neurale netwerken kunnen evenaren.
Het cijfer van verdienste is het aantal synaptische bewerkingen dat het neurale netwerk elke seconde kan uitvoeren met een watt aan vermogen. Toomey en co zeggen dat hun voorgestelde netwerk het menselijk brein moet kunnen evenaren bij het beheren van ongeveer 1014 synaptische bewerkingen per seconde per watt. Het nanodraad-neuron kan een zeer competitieve technologie zijn vanuit een perspectief op kracht en snelheid, zeggen ze.
Natuurlijk zijn er beperkingen. Misschien wel het belangrijkste is dat het supergeleidende neuron verbinding kan maken met slechts een handvol andere neuronen. Daarentegen is elk neuron in het menselijk brein verbonden met duizenden buren. En voorlopig blijft het ontwerp van Toomey en co precies dat: een ontwerp.
Niettemin zijn de simulaties veelbelovend. De hier uitgevoerde analyse suggereert dat het nanodraad-neuron een veelbelovende kandidaat is voor de vooruitgang van kunstmatige neurale netwerken met een laag vermogen, aldus het team.
En het potentieel is aanzienlijk. Toomey en co zeggen dat supergeleidende neurale netwerken de basis zouden kunnen zijn van geheel nieuwe computerhardware in de vorm van supergeleidende neurale netwerken. Deze chips zouden met elkaar kunnen worden verbonden via een supergeleidende interconnect, wat zou resulteren in geen warmteafvoer.
Het resultaat zou een grootschalige neuromorfische processor zijn die kan worden getraind als een neuraal netwerk met spikes om taken als patroonherkenning uit te voeren of die kan worden gebruikt om de dynamiek van een groot, biologisch realistisch netwerk te simuleren, zeggen ze.
Dat is interessant werk, hoewel het een proof-of-principle-demonstratie nodig heeft voordat de opwinding kan beginnen op te bouwen.
Referentie: arxiv.org/abs/1907.00263 : Een krachtig kunstmatig neuron met behulp van supergeleidende nanodraden