В ЛЭТИ создан искусственный нейрон, который отделяет главное от второстепенного

Ученые ЛЭТИ создали нейроморфную систему, которая способна фильтровать информацию и отделять главное от второстепенного. Об этом "Газете.Ru" рассказали в ЛЭТИ.

"Нейроморфные системы на основе предложенной нами модели нейрона могут получить возможность выборочно концентрироваться на важной информации из входных данных.

Это нововведение позволит значительно сократить вычислительные ресурсы, необходимые для машинного обучения. Также примечательным свойством является то, что амплитуды спайков такого искусственного нейрона сопоставимы с амплитудами биологических нейронов млекопитающих, которые находятся в строго определенном диапазоне 50-120 мВ. Это делает предлагаемое устройство естественным образом биосовместимым и применимым для проектирования интерфейсов мозг-компьютер и нервная система-протез", — рассказал "Газете.Ru", доцент кафедры систем автоматизированного проектировани ЛЭТИ Тимур Каримов.

Выполненные на транзисторной компонентной базе традиционные компьютеры, принцип работы которых базируется на архитектуре фон Неймана, сегодня подходят к пределам своих возможностей по компактности, быстродействию и энергопотреблению. Поэтому ученые из разных стран мира ведут исследования, направленные на разработку вычислительной техники на альтернативных принципах.

В частности, последние годы одним из наиболее перспективных направлений, является нейроморфная электроника – действующая по аналогии с нейронами. Как правило, нейроморфные системы выполняют вычисления в синаптической памяти, кодируя информацию в вырабатываемых искусственными нейронами импульсных сигналах – спайках. Ученые составили нейронную цепь всего из пяти элементов. Ключевой электронный компонент созданной системы – мемристор, произведенный в Пекинском технологическом институте.

"Наша математическая модель впервые при столь малых токах позволяет управлять мемристором (речь идет об обработке и записи информации), но и оценить его ключевые характеристики. Создание такой сложной математической модели это сложная вычислительная задача, которая зависит от огромного количества параметров. Нам было важно научиться работать с искусственной нейронной цепью именно в этом диапазоне, поскольку известно, что в нем работают естественные нейроны человека. Это значит, в будущем при проектировании мемристоров, которые могут быть использованы человеком, наша модель может найти применение для решения этой задачи", – заключил Островский.