Neuromorphic Computingが物理学と出会う
新しい研究は、人間の脳の構造を模倣するように設計されたニューロモーフィックコンピュータが、以前に考えられていたよりもはるかに効果的に複雑な数学方程式を解くことができることを明らかにした。これらの脳にインスパイアされたシステムは、流体力学から電磁場モデリングまで、物理シミュレーションを支配する微分方程式に取り組む能力を実証した。
この発見は計算科学のための新しい有望な道を開き、エネルギー効率の高いニューロモーフィックチップが特定の問題のクラスに対して従来のスーパーコンピュータを補完したり、置き換えたりすることができる。
Neuromorphic Computersの仕組み
従来のプロセッサが逐次的に命令を実行するのとは異なり、ニューロモーフィックチップは人工ニューロンとシナプスのネットワークを使用して、生物学的脳とほぼ同じように並列情報を処理する。このアーキテクチャはパターン認識と適応学習に優れているが、研究者はまだ科学計算の中核にある構造化された数学的問題を解くための可能性を十分に探索していない。
ブレークスルーは、生物学的ニューロンと同様の離散電気パルスを通じて通信するスパイキング・ニューラル・ネットワークが、偏微分方程式の解をおおよそ計算するようにトレーニングできることを研究者が発見したときに来た。これらの方程式は、温度、圧力、速度などの物理量が空間と時間全体でどのように変化するかを説明し、それらを解くことは天気予報から航空機設計まで、すべてに不可欠である。
パフォーマンスと効率の向上
ニューロモーフィックアプローチはベンチマークテストで顕著な結果を示した。脳にインスパイアされたシステムは、従来の数値ソルバーと比較して同等の精度レベルを達成しながら、はるかに少ないエネルギーを消費した。この効率上の利点は、ニューロモーフィック計算の本質的に並列的な性質に由来し、従来のアーキテクチャを悩ませるメモリとプロセッサ間のデータシャトルのボトルネックを回避する。
現在、数日または数週間実行される大規模なコンピューティングクラスタを必要とする大規模シミュレーションでは、ニューロモーフィックの代替手段は、科学計算の時間とエネルギーコストを劇的に削減できる。
コンピューティングの未来への影響
この研究は、人工知能ハードウェアと科学計算ハードウェアの間の境界が重要な方法で曖昧になり始めていることを示唆している。ニューロモーフィック技術が成熟してスケールアップするにつれて、気候モデリング、医薬品発見、材料科学、および天体物理学的シミュレーションなど、集約的な数値シミュレーションに依存する分野を変革する可能性がある。エネルギー削減の可能性だけでも変革的であり、大規模な科学計算は現在、世界中の研究機関でかなりの電力消費を占めている。
いくつかの主要なチップメーカーおよび研究ラボは、すでにニューロモーフィックハードウェア開発に多額の投資を行っており、プロトタイプシステムは毎年ますます印象的な機能を実証している。わずか約20ワットの電力を消費しながら並外れた計算上の偉業を実行する人間の脳は、研究者が以前に実現していたよりも科学計算のための優れた青写真であった可能性があります。AI ハードウェアと従来の科学計算のこの収束により、複数の分野における発見のペースが加速する可能性があります。
この記事はScienceDailyの報告に基づいています。元の記事を読む。
Originally published on sciencedaily.com
