カスタムアルゴリズムでより高精度の脳型コンピューティングシステム

November, 22, 2023, Los Angels--生物学的脳を物理的にモデル化した実験用コンピューティングシステムは、手書きの数字を93.4%の精度で識別するように「学習」した。この実験で重要なイノベーションは、学習中にタスクの成功に関する継続的な情報をリアルタイムでシステムに提供する新しいトレーニングアルゴリズムだった。

このアルゴリズムは、データのバッチが処理された後にトレーニングを実行する従来のマシンラーニングアプローチよりも優れており、91.4%の精度を実現した。また、研究チームは、システム自体に保存された過去の入力の記憶が学習を強化することも示した。対照的に、他のコンピューティングアプローチは、デバイスのプロセッサとは別のソフトウェアまたはハードウェア内にメモリを蓄積する。

カリフォルニア大学ロサンゼルス校(UCLA)のカリフォルニア・ナノシステム研究所(CNSI)の研究チームは、15年間にわたり、計算のための新しいプラットフォーム技術を開発してきた。この技術は、電極ベッ上に設置された、銀を含む絡み合ったワイヤ網で構成された、脳からヒントを得たシステムである。このシステムは入力を受け取り、電気パルスを介して出力を生成する。個々のワイヤは非常に小さいため、その直径はナノスケールで測定される。

「微小シルバーの頭脳」は、今日のコンピュータとは大きく異なる。それらは、電子が流れても位置が変わらない原子で作られたメモリと処理モジュールを別々に備えている。対照的に、ナノワイヤネットワークは、その原子構造に基づいて記憶を持ち、刺激に応じて物理的に再構成され、システム全体に広がる。ワイヤーがオーバーラップすると、接続が形成されたり切断されたりするが、これはニューロンが互いに通信する生物学的脳のシナプスの振る舞いに類似である。

シドニー大学の研究協力者は、入力を提供し、出力を解釈するための合理化されたアルゴリズムを開発した。このアルゴリズムは、動的に変化し、複数のデータストリームを同時に処理するシステムの脳のような能力を利用するようにカスタマイズされている。

脳のようなシステムは、銀とセレンを含む材料で構成されており、16個の電極のアレイ上に、もつれたナノワイヤネットワークに自己組織化することができた。科学者たちは、米国国立標準技術研究所(NIST)が作成し、マシンラーニングシステムのベンチマークによく使用されるデータセットである手書きの数字の画像を使用して、ナノワイヤネットワークをトレーニングおよびテストした。画像は、それぞれ1000分の1秒の電気パルスを使用してピクセルごとにシステムに伝達され、異なる電圧は明るいピクセルまたは暗いピクセルを表す。

インパクト
まだ開発段階にあるナノワイヤネットワークは、シリコンベースの人工知能システムよりもはるかに少ない電力で同様のタスクを実行することが期待されている。また、このネットワークは、現在のAIが達成するのに苦労しているタスク、つまり、時間の経過とともに変化する天候、交通、その他のシステムのパタンなど、複雑なデータの意味を理解するというタスクにも有望性を示している。そのために、今日のAIは膨大な量のトレーニングデータと著しく高いエネルギー消費を必要としている。

この研究で用いられたコ･デザイン(ハードウェアとソフトウェアを並行開発)により、ナノワイヤネットワークは最終的にシリコンベースの電子デバイスとともに補完的な役割を果たす可能性がある。特に、継続的な適応と学習が可能な物理システムに組み込まれた脳のような記憶と処理は、遠く離れたサーバとの通信を必要とせずに、複雑なデータをその場で処理する、いわゆる「エッジコンピューティング」に適している可能性がある。ロボティクス、車両やドローンなどの機械の自律ナビゲーション、モノのインターネット(IoT)を構成するスマートデバイス技術、複数の場所にあるセンサによる健康モニタリングや測定値の調整などが考えられる。