Supraledande neuroner kan matcha hjärnans energieffektivitet

Glödande konceptuell illustration av en hjärna Getty

Den mänskliga hjärnan är den överlägset mest imponerande datorenheten som vetenskapen känner till. Hjärnan arbetar med en klockhastighet på bara några få hertz, snigelliknande i jämförelse med moderna mikroprocessorer som körs med gigahertzhastigheter.

Men den får sin kraft genom att utföra många beräkningar samtidigt — en miljard miljarder beräkningar per sekund. Denna parallellitet gör att den kan lösa problem med lätthet som konventionella datorer ännu inte har hanterat: köra bil, gå, konversera och så vidare.

Ännu mer imponerande är att den gör allt detta med lite mer än en skål gröt. Däremot använder världens mest kraftfulla superdatorer mer ström än stora städer.

Det är därför datavetare vill kopiera den mänskliga hjärnans datorprestanda med hjälp av neurala nätverk som beräkningsmässiga arbetshästar.

Det är lättare sagt än gjort. Vanliga chip kan programmeras för att bete sig som neurala nätverk, men detta är beräkningskrävande och energidränerande.

Istället vill datavetare bygga konstgjorda neuroner och koppla ihop dem i hjärnliknande nätverk. Det har potential att bli betydligt mer energieffektivt, men ingen har kommit på en design som kommer i närheten av hjärnans effektivitet.

Tills idag. Ange Emily Toomey på MIT och ett par kollegor, som har designat en supraledande neuron gjord av nanotrådar som på många sätt beter sig som en riktig. De säger att deras enhet matchar hjärnans energieffektivitet (åtminstone i teorin) och är byggstenen i en ny generation supraledande neurala nätverk som kommer att vara mycket effektivare än konventionella datormaskiner.

Först lite bakgrund. Neuroner kodar information i form av elektriska spikar, eller aktionspotentialer, som färdas längs nerven. I hjärnliknande nätverk separeras neuroner från varandra av luckor som kallas synapser.

Informationen kan hoppa över dessa synapser och därigenom påverka andra neuroner, få dem att avfyras eller hämma dem på ett sätt som hindrar dem från att skjuta. Detta tillåter faktiskt neuroner att agera som logiska grindar, och producerar en enda utgång som svar på flera ingångar.

Biologiska neuroner har ett antal viktiga egenskaper som gör detta möjligt. De avfyras till exempel inte om inte insignalen överskrider någon tröskelnivå, och de kan inte avfyra igen förrän en viss tid har passerat, en sträcka som kallas refraktärperioden. Och tiden för en spik att färdas längs ett axon - kroppen av en neuron - är också viktig, eftersom den kodar avståndet som spiken har färdats.

En artificiell neuron måste kunna reproducera så många av dessa egenskaper som möjligt. Det kräver vanligtvis en del komplexa kretsar.

Men Toomey och co påpekar att supraledande nanotrådar har en speciell olinjär egenskap som gör att de kan agera som neuroner. Denna egenskap uppstår eftersom nanotrådens supraledning går sönder när strömmen som flyter genom den överskrider ett tröskelvärde.

När detta händer ökar motståndet plötsligt, vilket skapar en spänningspuls. Denna puls är analog med aktionspotentialen i en neuron. Att använda den för att modulera ytterligare en puls som produceras av en andra supraledande nanotråd gör simuleringen ännu mer realistisk.

Detta skapar en enkel supraledande krets som har många av egenskaperna hos biologiska neuroner. Toomey och co har visat att en supraledande neuron har en skjuttröskel, en refraktär period och en restid som kan justeras enligt kretsens egenskaper, bland andra egenskaper.

Avgörande är att denna supraledande neuron också kan användas för att trigga eller hämma andra neuroner. Och denna fanout-egenskap är nyckeln till att skapa nätverk. Det är något som andra supraledande neurondesigner aldrig har kunnat uppnå.

Och eftersom supraledande kretsar använder väldigt lite ström, föreslår Toomey och cos beräkningar, att den här typen av supraledande neurala nätverk kan matcha effektiviteten hos biologiska neurala nätverk.

Förtjänstsiffran är antalet synaptiska operationer som det neurala nätverket kan utföra varje sekund med en watt effekt. Toomey och co säger att deras föreslagna nätverk borde kunna matcha den mänskliga hjärnan när det gäller att hantera ungefär 1014 synaptiska operationer per sekund per watt. Nanotrådsneuronen kan vara en mycket konkurrenskraftig teknik från en blivande kraft- och hastighet, säger de.

Naturligtvis finns det begränsningar. Det kanske viktigaste är att den supraledande neuronen kan ansluta till bara en handfull andra neuroner. Däremot ansluter varje neuron i den mänskliga hjärnan till tusentals grannar. Och för tillfället förblir Toomey och cos design just det – en design.

Ändå är simuleringarna lovande. Analysen som utförs här tyder på att nanotrådsneuronen är en lovande kandidat för att utveckla konstgjorda neurala nätverk med låg effekt, säger teamet.

Och potentialen är betydande. Toomey och co säger att supraledande neurala nätverk kan vara grunden för helt ny datorhårdvara i form av supraledande neurala nät. Dessa chips skulle kunna kopplas samman med hjälp av supraledande sammankoppling, vilket skulle resultera i ingen värmeavledning.

Resultatet skulle bli en storskalig neuromorf processor som skulle kunna tränas som ett spikneuralt nätverk för att utföra uppgifter som mönsterigenkänning eller användas för att simulera spikdynamiken i ett stort, biologiskt realistiskt nätverk, säger de.

Det är intressant arbete, även om det kräver en demonstration av principen innan spänningen kan börja byggas upp.

Ref: arxiv.org/abs/1907.00263 : En krafteffektiv artificiell neuron som använder supraledande nanotrådar

Dölj