İnqrid Fadelli , Phys.org tərəfindən

redaktə edən: Gaby Clark , rəy verən: Robert Egan

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

İkiqat yaddaş yolu abstraksiyası. Alqoritmik səviyyədə hər bir təbəqə yavaş kontekstual dinamikanı tutan və sürətli sıçrayış fəaliyyətini modulyasiya edən ortaq, aşağı ölçülü bir vəziyyəti saxlayır. Aparat təminatı səviyyəsində bu ayrılma, kompakt vəziyyəti çipdə saxlayan və səmərəli icra üçün seyrək və sıx hesablamaları birləşdirən heterojen sürətləndirici ilə əks olunur. Mənbə: Sun və digərləri.

Spiking neyron şəbəkələri (SNN) bioloji neyronların bir-biri ilə necə ünsiyyət qurmasından ilhamlanan süni intellekt (Sİ) modelləridir. Bioloji neyronlar elektrik impulsları şəklində məlumat mübadiləsi apararkən, SNN-lər sikkələr kimi tanınan qısa siqnallara əsaslanır.

SNN-lər enerji istehlakını azaltmaqda perspektivli olduğunu sübut etdi, çünki tərtibatçılar məlumatları davamlı olaraq deyil, yalnız mənalı dəyişikliklər baş verdikdə emal edə bilərlər. Bu, çox faydalı ola bilər, çünki mövcud süni intellekt sistemlərinin çox miqdarda enerji istehlak etdiyi məlumdur.

Keçmişdə təqdim edilən bəzi SNN-lər ümidverici nəticələr əldə etsələr də, onlar adətən faydalı məlumatları (yəni konteksti) uzun müddət saxlamaqda çətinlik çəkirlər. Bu, modellərin yalnız məhdud miqdarda məlumat saxlama yeri olduqda və ya enerji məhdudiyyətləri altında işlədikdə xüsusilə çətin olduğu aşkar edilmişdir.

London İmperial Kolleci və Sürix ETH tədqiqatçıları bu yaxınlarda SNN-lərin bu məhdudiyyətini aradan qaldıra biləcək yeni birgə dizayn edilmiş aparat və proqram təminatı təqdim etdilər. Nature Machine Intelligence jurnalında dərc olunmuş məqalədə təqdim edilən onların təklif etdiyi arxitekturanın uzun ardıcıllıqlı tapşırıqları həm effektiv, həm də enerjiyə qənaət etməklə yanaşı, məlumatların saxlanması tələblərini də azaltdığı aşkar edilmişdir.

Pengfei Sun, Zhe Su və həmkarları öz məqalələrində yazırdılar ki, “Neyron şəbəkələrinin işə salınması hadisəyə əsaslanan hissetmədə üstündür. Lakin həm alqoritmik, həm də aparat təminatında uzun müddət ərzində tapşırıqla əlaqəli konteksti qorumaq, həm məhdud enerji, həm də yaddaş büdcələrinə riayət etməklə, sahədə əsas problem olaraq qalır. Biz bu problemi alqoritm-aparat təminatının birgə dizayn səyləri ilə həll edirik.”DMP arxitekturası üçün aparat dizaynı. Müəllif: Nature Machine Intelligence (2026). DOI: 10.1038/s42256-026-01255-3

Beyindən ilhamlanan yeni ikili yaddaş sistemi

Keçmiş tədqiqatlar göstərir ki, bəzi sinir prosesləri olduqca sürətli olsa da, digərləri yavaşdır və beynin məlumatı daha uzun müddət saxlamasına imkan verir. Sun, Su və həmkarları tərəfindən hazırlanmış arxitektura insan beynində müşahidə edilən sürətli və yavaş sinir proseslərinin bu kombinasiyasını süni şəkildə təqlid etmək üçün hazırlanmışdır.

Komanda, beynin sürətli-yavaş təşkilindən ilhamlanan prinsipləri özündə birləşdirən, bir-birini tamamlayan proqram təminatı və aparat komponentlərini birgə hazırlamışdır. Proqram təminatı komponentləri, yavaş yaddaş yolunu sürətli sıçrayış fəaliyyəti ilə birləşdirən çoxqatlı SNN-dən ibarətdir.

“Beyindəki kortikal sürətli-yavaş təşkilatlanmadan ilhamlanan alqoritm səviyyəsində, sürətli sıçrayış fəaliyyəti ilə birlikdə hər bir təbəqənin son fəaliyyəti ümumiləşdirən və sıçrayış dinamikasını modulyasiya edən kompakt aşağı ölçülü bir vəziyyəti saxladığı ikili yaddaş yolu arxitekturasını təmin edən açıq yavaş yaddaş yoluna malik bir neyron şəbəkəsi təqdim edirik”, müəlliflər yazırlar.

“Bu açıq yaddaş, hadisəyə əsaslanan seyrəkliyi qoruyarkən öyrənməni sabitləşdirir, uzun ardıcıllıqlı etalonlarda rəqabət dəqiqliyinə nail olur və ekvivalent müasir sıçrayışlı neyron şəbəkələrinə nisbətən 40-60% daha az parametr əldə edir.”

Komandanın ikili yaddaş arxitekturasının əsas üstünlüyü ondan ibarətdir ki, o, daxil olan məlumatları səmərəli şəkildə emal edə bilir və eyni zamanda vacib, tapşırıqla əlaqəli məlumatları kompakt formada saxlayır. Komanda həmçinin SNN-lərini işlətmək üçün optimallaşdırılmış ixtisaslaşdırılmış aparat təminatı hazırlayıb.

Sun, Su və həmkarları yazırdılar ki, “Aparat səviyyəsində, heterojen seyrək sünbüllü və sıx yaddaşlı yollar arasında məlumat axınını optimallaşdırarkən kompakt paylaşılan vəziyyətini qoruyaraq ikili yaddaş yolu arxitekturasının üstünlüklərindən tam istifadə edən demək olar ki, yaddaş hesablama arxitekturası təqdim edirik”.

İlkin nəticələr və mümkün real tətbiqlər

Tədqiqatçılar təklif etdikləri SNN-i və birgə dizayn edilmiş aparatları bir sıra ilkin sınaqlarda qiymətləndirdilər. Onlar xüsusilə arxitekturalarının uzun ardıcıllıqlı tapşırıqları (yəni, uzun məlumat axınlarını emal etməyi tələb edən tapşırıqları) yerinə yetirmə sürətini, enerji istehlakını və müəyyən bir müddət ərzində nə qədər məlumat emal edə biləcəyini qiymətləndirdilər.

Müəlliflər yazırdılar ki, “Təcrübə nəticələri ən müasir tətbiqlərlə müqayisədə məhsuldarlığın dörd dəfədən çox, enerji səmərəliliyinin isə beş dəfədən çox artdığını göstərir. Birlikdə, bu töhfələr göstərir ki, bioloji prinsiplər həm alqoritmik, həm də aparat baxımından səmərəli olan funksional abstraksiyalara rəhbərlik edə bilər və real vaxt neyromorfik hesablama və öyrənmə üçün miqyaslı birgə dizayn çərçivəsi yaradır.”

Sun, Su və həmkarları tərəfindən hazırlanmış yeni SNN və aparat təminatı tezliklə daha da təkmilləşdirilə və daha geniş hesablama tapşırıqlarında sınaqdan keçirilə bilər. Gələcəkdə bu, potensial olaraq böyük miqdarda məlumatların real vaxt rejimində və enerji məhdudiyyətləri altında sürətli təhlilinə imkan verə bilər. Bu, robototexnikadan tutmuş geyilə bilən cihazlara, kənar süni intellekt və birdən çox əlaqəli sensor şəbəkələrinə qədər müxtəlif real dünya tətbiqləri üçün dəyərli ola bilər.

Müəllifimiz İnqrid Fadelli tərəfindən sizin üçün yazılmış, Qeb Klark tərəfindən redaktə edilmiş və Robert İqan tərəfindən faktlar yoxlanılmış və nəzərdən keçirilmiş bu məqalə diqqətli insan əməyinin nəticəsidir. Müstəqil elmi jurnalistikanı yaşatmaq üçün sizin kimi oxuculara güvənirik. Əgər bu reportaj sizin üçün vacibdirsə, xahiş edirik ianə etməyi (xüsusilə aylıq) nəzərdən keçirin. Təşəkkür olaraq reklamsız hesab əldə edəcəksiniz .

Nəşr detalları

İkili yaddaş yolları olan neyromorfik şəbəkələrin alqoritm-aparat birgə dizaynı. Nature Machine Intelligence (2026). DOI: 10.1038/s42256-026-01255-3 .

Jurnal məlumatı: Təbiət Maşın Zəkası 

Əsas anlayışlar

Neyromorfik süni intellekt avadanlığı