Нейроморфные вычисления

Материал из Википедии — свободной энциклопедии
Данная страница не проверялась участниками с соответствующими правами.
Перейти к навигации Перейти к поиску
Эта статья может содержать текст, сгенерированный большой языковой моделью (LLM).
Текст может содержать информацию с галлюцинациями (конфабуляциями) или вымышленные источники. Нарушения авторских прав или утверждения, не имеющие подтверждения, должны быть удалены. Дополнительная информация доступна на соответствующей странице проекта. (20 сентября 2025)

Нейромо́рфные вычисле́ния — направление вычислительной техники, призванное имитировать структуру и функции человеческого мозга и нервной системы для создания аппаратного и программного обеспечения для обработки информации. Нейроморфные компьютерные системы основаны на узлах искусственной нейронной сети, которые обмениваются импульсными (событийными) сигналами. В таких системах аппаратное устройство (нейронный процессор, нейроморфный микропроцессор) и алгоритмы проектируются с учётом принципов работы нейронов и синапсов➤.

В отличие от традиционной архитектуры Фон-Неймана, где память и процессор разъединены, нейроморфные устройства сочетают хранение и обработку информации локально, используя искусственные нейроны и синапсы как единицы обработки. Данный принцип значительно снижает энергопотребление и задержки при обработке сигналов: аналогично тому, как человеческий мозг способен эффективно распознавать образы и обрабатывать сигналы, потребляя лишь ~20 Вт[1][2][3].

История и развитие

[править | править код]

Современная концепция нейроморфных вычислений была впервые предложена профессором Калифорнийского технологического института Карвером Мидом в конце 1980-х годов, когда им был введен термин «нейроморфная инженерия» для обозначения подхода к созданию электронных систем, имитирующих структуру и функции биологических нейронных сетей. Мид разработал первые чипы, включая искусственную сетчатку для имитации ранней обработки зрительной информации[4][5][6].

В 1990 г. Карвер Мид опубликовал обзор «Нейроморфные электронные системы», где сформулировал полноценная концепцию «нейроморфных систем» и подчеркнул преимущества аналоговых VLSI-нейросимуляторов[4][7]. Впоследствии, были разработаны первые масштабные образцы: TrueNorth (2014) – цифровой чип с ~1 млн нейронов и 256 млн синапсов[8][9][10], а также: архитектура SpiNNaker (Манчестерский университет, 2013–2018) – кластер ARM-процессоров для имитации миллионов нейронов[11][12]; платформа BrainScaleS (Гейдельбергский университет, 2013–) – аналоговый нейроморфный ускоритель для моделирования сетей в ускоренном времени[13][14]; исследовательские проекты Intel Loihi (первое поколение 2018 г.) и Loihi 2 (второе поколение 2021 г.)[15][16][17].

Принцип работы

[править | править код]

Нейроморфные системы моделируют нейроны как динамические элементы, генерирующие короткие электрические импульсы («спайки»). Информация кодируется временем появления импульсов – последовательность моментов активации полностью определяет передаваемое сообщение[18]. Такая импульсная передача принципиально отличается от традиционных нейросетей с непрерывными сигналами: классические сети обычно оперируют непрерывными значениями активаций, тогда как импульсные нейронные сети используют разрежённое событийное кодирование[19][20]. Это приближает работу искусственных систем к биологическому нейронному коду, где импульсы рассматриваются как идентичные стандартные события и несут информацию лишь посредством своего числа или временной разницы[7][21][22].

Нейроморфные вычисления не используют глобальных тактовых импульсов. Аппаратные реализации строятся по асинхронной схеме: вычисления запускаются только при поступлении импульса (события), а отсутствие события означает отсутствие активности. В этой модели нет центрального тактового сигнала – структура работы систем ближе к «самосогласованной» работе мозга[19]. Исследователи отмечают, что асинхронная схема «природно и комплементарно» соответствует задачам, позволяя решать проблемы масштабируемости, модульности и отказоустойчивости систем. Асинхронная передача между модулями (например, по шине адресных событий) позволяет системам реагировать на входные события и снижать задержки обмена данными[21][23][24][25].

Подобно биологическим синапсам, где вес соединения одновременно хранит и обрабатывает информацию, в нейроморфных схемах применяется смежная архитектура. Такой подход обеспечивает высокую энергоэффективность — от уровня системных платформ до отдельных искусственных синапсов[23][26][27].

Области применения

[править | править код]

Компания Intel активно интегрирует и применяет нейроморфные системы. Проект «Loihi 2» и фреймворк «Lava» применяются для распознавание жестов, голоса и движений, восприятия среды, обонятельного восприятия, робототехники[28]. Была создана самая большая нейроморфная система «Hala Point»: 1,15 миллиарда нейронов, развернута в Сандийской Национальной Лаборатории. Используется в исследованиях устойчивого ИИ[29].

Компания IBM создала чип с ~1 миллион нейронов и 256 млн синапсов. Используется для визуального распознавания объектов, обработки аудио «always-on speech recognition», сенсорных/перцептивных задач с низким энергопотреблением[30][31].

Нейроморфные вычисления, в частности, нейроморфные чипы применяются в автомобилестроении. Компании Mercedez-Benz и BMW интегрировали чипы радарных системах и для оптимизации обработки радиолокационных данных[32][33][34].

Примечания

[править | править код]
  1. ↑ Gennadi Bersuker, Maribeth Mason, and Karen L. Jones. Neuromophic computing: the potential for high-performance processing in space (англ.) // Aerospace. — 2018. — P. 2.
  2. ↑ Elias Towe. Challenges and Opportunities in Neuromorphic Computing (англ.) // Carnegie Mellon University. — 2023.
  3. ↑ Artificial neurons emulate biological counterparts to enable synergetic operation (англ.) // Nature Electronics. — 2022-11. — Vol. 5, iss. 11. — P. 721–722. — ISSN 2520-1131. — doi:10.1038/s41928-022-00862-3.
  4. ↑ 1 2 The First Analog Silicon Retina : History of Information. historyofinformation.com. Дата обращения: 18 сентября 2025.
  5. ↑ Carver Mead Earns Lifetime Contribution Award for Neuromorphic Engineering (англ.). California Institute of Technology (7 мая 2024). Дата обращения: 20 сентября 2025.
  6. ↑ Comment, Sebastian Moss. The creation of the electronic brain (англ.). www.datacenterdynamics.com (17 января 2019). Дата обращения: 20 сентября 2025.
  7. ↑ 1 2 How neuromorphic computing takes inspiration from our brains (амер. англ.). IBM Research (9 февраля 2021). Дата обращения: 20 сентября 2025.
  8. ↑ How IBM Got Brainlike Efficiency From the TrueNorth Chip - IEEE Spectrum (англ.). spectrum.ieee.org. Дата обращения: 20 сентября 2025.
  9. ↑ New research creates a computer chip that emulates human cognition | Yale News (англ.). news.yale.edu (28 ноября 2017). Дата обращения: 20 сентября 2025.
  10. ↑ J. Sawada, F. Akopyan, A. S. Cassidy, B. Taba, M. Debole, P. Datta. TrueNorth Ecosystem for Brain-Inspired Computing: Scalable Systems, Software, and Applications (амер. англ.). — IEEE Computer Society, 2016-07-02. — ISBN 978-1-4673-8815-3. — doi:10.1109/SC.2016.11.
  11. ↑ Kashu Yamazaki, Viet-Khoa Vo-Ho, Darshan Bulsara, Ngan Le. Spiking Neural Networks and Their Applications: A Review // Brain Sciences. — 2022-06-30. — Т. 12, вып. 7. — С. 863. — ISSN 2076-3425. — doi:10.3390/brainsci12070863.
  12. ↑ Jiaqi Yan, Qianhui Liu, Malu Zhang, Lang Feng, De Ma, Haizhou Li, Gang Pan. Efficient spiking neural network design via neural architecture search // Neural Networks. — 2024-05-01. — Т. 173. — С. 106172. — ISSN 0893-6080. — doi:10.1016/j.neunet.2024.106172.
  13. ↑ Christian Pehle, Sebastian Billaudelle, Benjamin Cramer, Jakob Kaiser, Korbinian Schreiber, Yannik Stradmann, Johannes Weis, Aron Leibfried, Eric Müller, Johannes Schemmel. The BrainScaleS-2 Accelerated Neuromorphic System With Hybrid Plasticity (англ.) // Frontiers in Neuroscience. — 2022-02-24. — Vol. 16. — ISSN 1662-453X. — doi:10.3389/fnins.2022.795876.
  14. ↑ More brainlike computers could change AI for the better (амер. англ.) (26 февраля 2025). Дата обращения: 20 сентября 2025.
  15. ↑ Intel. Intel Builds World’s Largest Neuromorphic System to Enable More Sustainable AI (амер. англ.). Newsroom (17 апреля 2024). Дата обращения: 20 сентября 2025.
  16. ↑ Ward-Foxton, Sally. What Is Holding Back Neuromorphic Computing? EE Times (4 декабря 2023). Дата обращения: 20 сентября 2025.
  17. ↑ Freund, Karl. Intel Announces Neuromorphic Loihi 2 AI HW And Lava SW (англ.). Forbes. Дата обращения: 20 сентября 2025.
  18. ↑ Liu S.-C., Delbruck T., Indiveri G., Whatley A., Douglas R. Event-Based Neuromorphic Systems. — Wiley, 2015. — С. 7.
  19. ↑ 1 2 S. Furber. Large-scale neuromorphic computing systems (англ.) // The University of Manchester. — 2016. — P. 2—4, 11—15.
  20. ↑ Dayan P., Abbott L.F. Theoretical Neuroscience: Computational and Mathematical Modeling of Neural Systems. — MIT Press, 2001. — С. 9.
  21. ↑ 1 2 Hurdle J.F., Brunvand E.L., Josephson L. VLSI for Neural Networks and Artificial Intelligence (англ.). — Springer, 1994. — P. 129.
  22. ↑ Wulfram Gerstner and Werner M. Kistler. Spiking Neuron Models (англ.). — Cambridge University Press, 2002. — P. 11.
  23. ↑ 1 2 D. Ham, H. Park. Neuromorphic electronics based on copying and pasting the brain (англ.). — Nature Electronics, Harvard University, 2021. — P. 635—636.
  24. ↑ Mead C., Mahowald M. A. A silicon model of early visual processing. (англ.). — Neural Networks, 1988. — P. 91—97.
  25. ↑ Mehonic A., Ielmini D., Roy K., Mutlu O., Kvatinsky S... Roadmap to neuromorphic computing with emerging technologies (англ.) // APL Materials. — 2024-10-01. — Vol. 12, iss. 10. — ISSN 2166-532X. — doi:10.1063/5.0179424. Архивировано 19 августа 2025 года.
  26. ↑ Yoeri van de Burgt, Ewout Lubberman, Elliot J. Fuller, Scott T. Keene, Grégorio C. Faria, Sapan Agarwal, Matthew J. Marinella, A. Alec Talin, Alberto Salleo. A non-volatile organic electrochemical device as a low-voltage artificial synapse for neuromorphic computing // Nature Materials. — 2017-04. — Т. 16, вып. 4. — С. 414–418. — ISSN 1476-4660. — doi:10.1038/nmat4856.
  27. ↑ Dickman, Kyle. Neuromorphic computing: the future of AI | LANL (англ.). Kyle Dickman. Дата обращения: 20 сентября 2025.
  28. ↑ Intel Advances Neuromorphic with Loihi 2, New Lava Software Framework and New Partners (англ.). Intel Corporation (30 сентября 2021). Дата обращения: 20 сентября 2025.
  29. ↑ Intel Builds World’s Largest Neuromorphic System to Enable More Sustainable AI (англ.). Intel Corporation (17 апреля 2024). Дата обращения: 20 сентября 2025.
  30. ↑ Filipp Akopyan, Jun Sawada, Andrew S. Cassidy, Rodrigo Alvarez-Icaza, John V. Arthur, Paul Merolla, Nabil Imam, Yutaka Nakamura, Pallab Datta, Gi Joon Nam, Brian Taba, Michael P. Beakes, Bernard Brezzo, Jente B. Kuang, Rajit Manohar, William P. Risk, Bryan L. Jackson, Dharmendra S. Modha. TrueNorth: Design and Tool Flow of a 65 mW 1 Million Neuron Programmable Neurosynaptic Chip (амер. англ.) // IEEE TCADIS. — 2015-10-01. — doi:10.1109/TCAD.2015.2474396.
  31. ↑ Wei-Yu Tsai, Davis R. Barch, Andrew S. Cassidy, Michael Debole, Alexander Andreopoulos, Bryan L. Jackson, Myron D. Flickner, John V. Arthur, Dharmendra S. Modha, John Sampson, Vijaykrishnan Narayanan. Always-On Speech Recognition Using TrueNorth, a Reconfigurable, Neurosynaptic Processor (амер. англ.) // IEEE TC. — 2017-06-01. — doi:10.1109/TC.2016.2630683.
  32. ↑ Flaherty, Nick. Mercedes taps Intel Loihi2 for neuromorphic AI (амер. англ.). eeNews Europe (14 октября 2024). Дата обращения: 20 сентября 2025.
  33. ↑ Ward-Foxton, Sally. Mercedes Applies Neuromorphic Computing in EV Concept Car. EE Times (19 января 2022). Дата обращения: 20 сентября 2025.
  34. ↑ SynSense and BMW exploring intelligent cockpits | Greater Zurich (англ.). www.greaterzuricharea.com (20 апреля 2022). Дата обращения: 20 сентября 2025.

Литература

[править | править код]
Источник — https://ru.wikipedia.org/w/index.php?title=Нейроморфные_вычисления&oldid=150227491