En ny computerchip efterligner neurokredsløbet i vores næser til at lugte

Nabil Imam med Intels Loihi-chip. Intel

Af alle de ting, vores hjerne kan gøre, er den måde, den hjælper os med at lugte, en af ​​de bedst forståede. Når en lugt rammer olfaktoriske celler i vores næse, sender de et signal til den tilsvarende klynge af neuroner i hjernen kendt som olfaktorisk pære. Pæren sender derefter signalet ud til andre dele af hjernen, så vi kan værdsætte parfumen fra en grapefrugt eller undgå stanken af ​​skrald.

Lugtløg er specifikke for pattedyr, men andre dyr, som insekter, udviser også lignende neurale strukturer. Det betyder, at der sandsynligvis er noget ret fundamentalt og effektivt ved disse implementeringer, hvis evolutionen er kommet på dem i forskellige tilfælde, siger Mike Davies, direktøren for Intels Neuromorphic Computing Lab.

Både fordi de er så effektive, og fordi vi forstår dem så godt, er olfaction-systemer et godt udgangspunkt for neuromorfe chips, en ny type computerhardware, der henter inspiration direkte fra hjernens struktur.

Mandag offentliggjorde forskere ved Intel et blad i Naturen der foreslår et nyt neuromorfisk chipdesign, der efterligner lugtepærens struktur og egenskaber. Forskerne arbejdede sammen med olfaktoriske neurofysiologer, der studerer dyrs hjerner, når de lugter. De designede et elektrisk kredsløb, baseret på de neurale kredsløb, der aktiveres, når deres hjerner behandler en lugt, som kunne skæres ind på en siliciumchip. De har også designet en algoritme, der afspejler adfærden af ​​de elektriske signaler, der pulserer gennem kredsløbet. Da de trænede algoritmen på chippen ved hjælp af et eksisterende datasæt med 10 lugte – kendetegnet ved deres målinger fra 72 forskellige kemiske sensorer – var den i stand til præcist at skelne mellem dem med langt færre træningsprøver end en konventionel chip.

Chippen er stadig en forholdsvis tidlig prototype, men når den er moden, kan den tjene en række anvendelser, såsom bombesnifning eller påvisning af skadelige dampe i kemiske fabrikker. Det demonstrerer også potentialet i neuromorfisk databehandling for mere dataeffektiv AI.

I øjeblikket følger de mest populære chips til at køre state-of-the-art deep-learning-algoritmer alle en von Neumman-arkitektur, en designkonvention, der har drevet computerrevolutionen i årtier. Men disse arkitekturer er ineffektive elever: Algoritmerne, der kører på dem, kræver enorme mængder træningsdata, i modsætning til vores langt mere effektive hjerner. Neuromorfe chips forsøger derfor at bevare hjernens struktur så meget som muligt. Tanken er, at en sådan tæt mimik vil øge chippens læringseffektivitet. Faktisk fik Intel med succes chippen til at lære af meget få prøver.

Fremadrettet planlægger forskerholdet at forbedre designet af sin neuromorfe chip og anvende den på andre hjernefunktioner ud over lugten. Davies siger, at teamet sandsynligvis vil vende opmærksomheden mod vision eller berøring næste gang, men har langsigtede ambitioner om at tackle mere komplekse processer. Vores sansemekanismer er det naturlige sted at starte, fordi disse er godt forstået, siger han. Men på en måde arbejder vi os ind i og ind i hjernen, op til de højere-ordens tankeprocesser, der sker.'

skjule