Neuromorphic Computing встречает физику
Новое исследование показывает, что нейроморфные компьютеры, машины, разработанные для имитации архитектуры человеческого мозга, могут решать сложные математические уравнения намного более эффективно, чем предполагалось ранее. Эти системы, вдохновленные мозгом, теперь продемонстрировали способность решать дифференциальные уравнения, которые лежат в основе физических симуляций, от гидродинамики до моделирования электромагнитных полей.
Это открытие открывает многообещающий новый путь для вычислительной науки, где энергоэффективные нейроморфные чипы могли бы дополнять или даже заменять традиционные суперкомпьютеры для определенных классов проблем.
Как работают нейроморфные компьютеры
В отличие от обычных процессоров, которые выполняют инструкции последовательно, нейроморфные чипы используют сети искусственных нейронов и синапсов, которые обрабатывают информацию параллельно, как биологический мозг. Эта архитектура хорошо подходит для распознавания образов и адаптивного обучения, но исследователи еще не полностью изучили ее потенциал для решения структурированных математических задач, лежащих в основе научных вычислений.
Прорыв произошел, когда исследователи обнаружили, что импульсные нейронные сети, которые обмениваются информацией дискретными электрическими импульсами, подобно биологическим нейронам, могут быть обучены аппроксимировать решения уравнений в частных производных. Эти уравнения описывают, как физические величины, такие как температура, давление и скорость, изменяются в пространстве и времени, и их решение необходимо для всего: от прогнозирования погоды до проектирования летательных аппаратов.
Прирост производительности и эффективности
Нейроморфный подход показал замечательные результаты в тестах производительности. Системы, вдохновленные мозгом, достигли уровней точности, сравнимых с традиционными числовыми решателями, при этом потребляя значительно меньше энергии. Это преимущество в эффективности проистекает из присущей параллельной природы нейроморфных вычислений, которые избегают узких мест, связанных с транспортировкой данных между памятью и процессором, которые мучают традиционные архитектуры.
Для крупномасштабных симуляций, которые в настоящее время требуют огромных вычислительных кластеров, работающих в течение дней или недель, нейроморфные альтернативы могли бы резко снизить как временные, так и энергетические затраты научных вычислений.
Влияние на будущее вычислений
Исследование предполагает, что граница между аппаратным обеспечением искусственного интеллекта и аппаратным обеспечением научных вычислений начинает размываться значительным образом. Поскольку нейроморфная технология развивается и масштабируется, она может трансформировать области, которые зависят от интенсивного численного моделирования, включая климатическое моделирование, открытие лекарств, науку о материалах и астрофизические симуляции. Одного лишь потенциала экономии энергии достаточно, чтобы быть трансформационным, учитывая, что крупномасштабное научное моделирование в настоящее время составляет значительную часть потребления электроэнергии в исследовательских учреждениях по всему миру.
Несколько крупных производителей чипов и исследовательских лабораторий уже вкладывают значительные средства в разработку нейроморфного оборудования, причем прототипные системы демонстрируют все более впечатляющие возможности каждый год. Человеческий мозг, который выполняет необычайные вычислительные подвиги, потребляя всего около 20 ватт энергии, мог бы быть еще лучшей схемой для научных вычислений, чем ранее считали исследователи. Это слияние аппаратного обеспечения AI и традиционного научного моделирования может ускорить темп открытий во многих дисциплинах.
Эта статья основана на отчетах ScienceDaily. Прочитайте оригинальную статью.
