Forskere fra Tyumen State University presenterte for verdens vitenskapelige samfunn utviklingen av en enestående biomorfe nevroprosessor basert på en ny komponent av nanoelektronikk - en kombinert memristor-diode tverrligger, melder pressetjenesten til Tyumen State University. Forskningsresultatene er publisert i Microelectronic-tidsskriftet.
De eksisterende nevroprosessorene er, ifølge forskere fra Tyumen State University, designet for maskinvareakselerasjon av beregninger i kunstige nevrale nettverk på enkle nevroner og gir drift av datamaskinvisjon, maskinlæring og andre systemer med svak kunstig intelligens (AI).
Informasjonsbehandling og beslutningstaking i slike prosessorer skjer ved å velge den mest sannsynlige løsningen basert på tidligere etablerte foreninger.
Nevroprosessoren som er utviklet ved Tyumen State University, er ifølge skaperne i stand til å generere nye assosiasjoner (ny kunnskap) ved en biologisk liknende mekanisme, som lar oss snakke om en mulig overgang fra svak til sterk kunstig intelligens. Sterk AI betyr muligheten til å forstå ny kunnskap.
I følge Tyumen State University implementerer den biomorfe nevroprosessoren et impulsen nevralt nettverk basert på den utviklede elektriske og originale programvaren (Neural Computing and Applications) biomorfe modeller av nevronen.
Forfatterne hevder at prosessoren deres, i tillegg til å løse tradisjonelle informasjonsbehandlingsoppgaver, kan reprodusere arbeidet med hjernens kortikalsøyle.
Ifølge professoren er nevroprosessoren faktisk grunnlaget for et unikt nytt generasjonssystem, som er bærer av kunstig intelligens.
Den utviklede spesialiserte maskinvaren kan brukes til å løse tekniske problemer - for å øke hastighet og energieffektivitet i beregninger sammenlignet med databehandlingsfasilitetene som eksisterer i dag (personlige datamaskiner, servere og superdatamaskiner).
Salgsfremmende video:
Effekten oppnås ved bruk av blandede analog-digitale beregninger, inkludert ved hjelp av bipolare memristorer integrert i kombinert memristor-diode tverrstenger.
Til dags dato har forskere fra Tyumen State University demonstrert informasjonsbehandling i produserte memristor-diode tverrstenger - veie, legge til og dirigere pulser, samt assosiativ selvlæring og generasjon av nye assosiasjoner. Til nå er assosiativ selvlæring bare demonstrert i nevrale nevrale nettverk basert på diskrete memristorer.
For øyeblikket fortsetter forskergruppen maskinvaretesting av det nye systemet. I følge forskere vil lansering av en unik nevroprosessor i småskala produksjon være mulig innen 2025. Forskningen ble støttet av RFBR-bevilgninger nr. 19-07-00272 og nr. 19-37-90030.
