MITは超伝導体を使用して、人間の脳に近いエネルギー効率を持つ極めて低電力のニューロンを作成します。

MITは超伝導体を使用して、人間の脳に近いエネルギー効率を持つ極めて低電力のニューロンを作成します。

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載しています。転載の際は出典元にご連絡ください。

コンピュータはますますインテリジェントになっていますが、インテリジェントなアルゴリズムには多くのリソースが必要です。コンピュータはGHzで動作し、数キロワットの電力を消費します。人間の脳はコンピューターよりも何百万倍も遅く動作し、消費電力はわずか 20W 程度ですが、これらすべてを簡単に実行できます。

例えば、イ・セドルを破ったAlphaGoは、それぞれ40Wの電力を持つTPUを48個使用しており、そのエネルギー効率は人間よりもはるかに低い。

そのため、科学者たちは人間の脳の効率に近い装置を開発するために懸命に取り組んできました。

MITの研究者らは、少なくともエネルギー効率の点では、多くの点で実際のニューロンと同様に動作するナノワイヤでできた超伝導ニューロンを設計した。

人間の脳との比較

電力は電圧と電流の積に等しくなります。研究者らは、各回路要素の電流と電圧の積を時間とともに積分することで、人工超伝導ニューロンのエネルギー消費量を計算した。

分析の結果、研究者らは、超伝導ナノワイヤニューロンは活動電位ごとに約0.05fJ(1fJ = 10-15 J、つまり1,000兆分の1ジュール)のエネルギーを消費するのに対し、シナプスのエネルギー消費量は約0.005fJと1桁小さいことを発見した。

超伝導回路はエネルギーをほとんど使用しないため、この超伝導ニューラル ネットワークの効率は生物学的ニューラル ネットワークの効率に匹敵します。エネルギー効率比(1 秒あたりワットあたりのシナプス演算数、SOPS/W)はすでに人間のニューロンと同レベルであり、一般的なコンピューティング デバイスよりも 4 桁高くなっています。

下の表は、人間の脳、2 種類の CMOS、超伝導ナノワイヤニューロンの比較です。

仕組み

人間のニューロンは活動電位を通じて信号を伝達します。いわゆる活動電位とは、細胞膜の刺激を指し、細胞膜の内側と外側の電位差が逆転して外側に伝播します。

人間のニューロンにも、デジタル回路と同様に、入力信号が一定の閾値を超えない限り興奮しないという特性があります。超伝導ナノワイヤは独特の非線形特性を持ち、ニューロンのようにこの効果を生み出すこともできます。この特性は超伝導体の臨界電流によって生じます。

電流が一定の閾値を超えると、ナノワイヤの超伝導性が消失し、抵抗がまったくない状態から抵抗がある状態に変わり、回路全体に電圧が発生します。この突然の抵抗の増加により、ニューロンの活動電位に似た電圧パルスが生成されます。

超伝導ニューロン回路は、主発振器と制御発振器という 2 つのナノワイヤ グループで構成されます。活動電位をトリガーするには、小さな入力電流パルスを適用し、バイアス電流と加算してマスター発振器の LC を超え、スイッチを切り替えます。

この時点では、電流パルスはバイアス方向と逆なので、制御発振器はトリガーされません。マスター発振器の状態が変化すると、超伝導ループに反時計回りの電流が追加され、バイアス電流に追加されて制御発振器がトリガーされます。

マスター発振器は、ループ電流の形で超伝導ループに磁束を追加します。これは、人間のニューロン内の細胞に流入するナトリウムイオンが電流を引き起こす効果に似ており、制御発振器は、電流を出力するカリウムイオンのように機能します。

活動電位閾値に加えて、超伝導ナノワイヤ回路には、人間の神経系の不活動期間に似た特性もあります。

研究者たちは、将来的にはこれらの超伝導ナノワイヤニューロンを使用して低電力ニューラルネットワークを実現したいと考えています。

<<:  BERT の素晴らしさはすべてデータセットのおかげであるのでしょうか?大きなモデルがリストを独占することは、学術界にとって大惨事となるかもしれない

>>:  マイクロソフトがAR仮想「翻訳機」をデモ、将来の翻訳業界に影響を与える

ブログ    
ブログ    
ブログ    
ブログ    
ブログ    

推薦する

数秒で理解:小売業における画像認識

【51CTO.comオリジナル記事】スーパーマーケットに入ったところを想像してみてください。計量のた...

...

教師あり学習の一般的なアルゴリズムは何ですか?どのように適用されますか?

教師あり学習とは何ですか?教師あり学習は機械学習のサブセットであり、機械学習モデルの入力データにラベ...

Baiduのビジネスマルチモーダル理解とAIGCの革新的な実践

1. リッチメディアのマルチモーダル理解まず、マルチモーダル コンテンツに対する私たちの認識について...

スマートシティ開発:廃棄物管理と大気質監視

廃棄物管理と空気質監視におけるスマートシティの進歩を通じて、都市生活の未来を探ります。 「スマート ...

人工知能の次の転換点: グラフニューラルネットワークが急速な爆発の時代を先導する

01 GNN: アーリーアダプターから急成長へ今年以来、グラフニューラルネットワーク (GNN) 技...

マスク氏、さらに 4 人の「民間」宇宙飛行士を宇宙に送り出す!スペースXは12回の有人ミッションを成功させた

北京時間の今朝早く、SpaceXは再び人類を宇宙に送り出すことに成功した。これは、米国の民間航空宇宙...

AI モデルの 3 種類のバイアスとその修正方法

自動化された意思決定ツールは組織内でますます一般的になりつつあります。しかし、顔認識システムからオン...

GNNに大量のデータを与えると重力の法則が発見される

機械学習 (ML) は、大規模なデータセット内の特徴を学習し、さまざまなオブジェクトを分類し、パラメ...

AIが小売業の顧客体験に革命を起こす

人工知能はすでに多くの業界に大きな影響を与えています。調査会社IDCの調査によると、2019年の人工...

単一の GPU のみを使用して 7B モデルを微調整します。ユニバーサルマルチモーダルツール LLaMA-Adapter は閾値を取り除き、その効果は驚くべきものです

LLaMA アダプタが完全にロック解除されました。一般的なマルチモーダル ベース モデルとして、画像...