Ett nytt datorchip efterliknar neurokretsloppet i våra näsor för att lukta

Nabil Imam med Intels Loihi-chip. Intel

Av alla de saker som vår hjärna kan göra, är sättet det hjälper oss att lukta en av de bästa man förstår. När en lukt träffar luktcellerna i vår näsa skickar de en signal till motsvarande kluster av neuroner i hjärnan som kallas luktkolan. Glödlampan skickar sedan signalen ut till andra delar av hjärnan, vilket gör att vi kan uppskatta parfymen av en grapefrukt eller undvika stanken av skräp.

Luktlökar är specifika för däggdjur, men andra djur, som insekter, uppvisar också liknande neurala strukturer. Det betyder att det förmodligen finns något ganska fundamentalt och effektivt med dessa implementeringar om evolutionen har kommit på dem i olika fall, säger Mike Davies, chef för Intels Neuromorphic Computing Lab.

Både för att de är så effektiva och för att vi förstår dem så väl, är luktsystem en bra utgångspunkt för neuromorfa chips, en ny typ av datorhårdvara som hämtar inspiration direkt från hjärnans struktur.

På måndagen publicerade forskare vid Intel en tidning i naturen som föreslår en ny neuromorf chipdesign som efterliknar strukturen och kapaciteten hos luktlöken. Forskarna arbetade med luktneurofysiologer som studerar djurens hjärnor när de luktar. De designade en elektrisk krets, baserad på de neurala kretsar som aktiveras när deras hjärnor bearbetar en lukt, som kan skäras in på ett kiselchip. De designade också en algoritm som speglar beteendet hos de elektriska signalerna som pulserar genom kretsen. När de tränade algoritmen på chippet med hjälp av en befintlig datamängd med 10 lukter – kännetecknad av deras mätningar från 72 olika kemiska sensorer – kunde den exakt skilja mellan dem med mycket färre träningsprov än ett konventionellt chip.

Chipet är fortfarande en prototyp i ett relativt tidigt skede, men när det väl är moget kan det tjäna ett antal tillämpningar, som bombsnuffning eller upptäckt av skadliga ångor i kemiska anläggningar. Det visar också potentialen hos neuromorfisk beräkning för mer dataeffektiv AI.

För närvarande följer de mest populära chipsen för att köra toppmoderna djupinlärningsalgoritmer en von Neumman-arkitektur, en designkonvention som har drivit datorrevolutionen i årtionden. Men dessa arkitekturer är ineffektiva elever: algoritmerna som körs på dem kräver enorma mängder träningsdata, i motsats till våra mycket mer effektiva hjärnor. Neuromorfa chips försöker därför bevara hjärnans struktur så mycket som möjligt. Tanken är att en sådan nära mimik kommer att öka chipets inlärningseffektivitet. Faktum är att Intel framgångsrikt fick chippet att lära sig från väldigt få prover.

Framöver planerar forskargruppen att förbättra designen av dess neuromorfa chip och tillämpa det på andra funktioner i hjärnan bortom lukten. Davies säger att teamet troligen kommer att vända sin uppmärksamhet mot vision eller beröring härnäst men har långsiktiga ambitioner att ta itu med mer komplexa processer. Våra avkänningsmekanismer är det naturliga stället att börja eftersom dessa är väl förstådda, säger han. Men på sätt och vis arbetar vi oss in i och in i hjärnan, upp till de högre ordningens tankeprocesser som händer.'

Dölj