Decenijama je ljudski mozak ostao zlatni standard za efikasnost, obrađujući ogromne količine senzornih podataka uz samo 20 vati snage—što je manje od obične sijalice. Prema nedavnom izvještaju istraživači iz Sandia National Laboratories sada smanjuju jaz između biologije i silicijuma, dokazujući da „vještački mozgovi“ mogu obraditi mnogo više od same Vještačke inteligencije.
Izvan domena vještačke inteligencije
Tradicionalno, neuromorfno računarstvo—hardver dizajniran da oponaša neuronsku strukturu mozga—bilo je rezervisano za machine learning i ubrzanje neuronskih mreža. Međutim, istraživači instituta Sandia, James Aimone i Brad Theilman, pokazali su da su ovi čipovi inspirisani mozgom izuzetno svestrani.
Njihova studija, objavljena u časopisu Nature Machine Intelligence, otkriva da neuromorfni sistemi mogu rješavati parcijalne diferencijalne jednačine (PDE). Ove složene matematičke jednačine su temelj modernog naučnog računarstva, koriste se u svemu, od modeliranja klime do aerodinamike, i obično zahtijevaju ogromnu snagu tradicionalnih superračunara.
Snaga čipa Loihi 2
Tim je koristio Intel-ove Loihi 2 neuročipove kako bi postigao ove rezultate. Performanse ovog hardvera su zapanjujuće u poređenju sa tradicionalnim procesorima:
- Ekstremna efikasnost: Loihi 2 isporučuje 15 TOPS-a po vatu, što ga čini približno 2,5 puta energetski efikasnijim od modernih GPU-ova, kao što su Nvidia-ini Blackwell čipovi.
- NeuroFEM algoritam: Istraživači su razvili specijalizovani algoritam pod nazivom NeuroFEM, koji omogućava čipu Loihi 2 da rješava PDE jednačine koristeći impulsni (spiking) neuronski hardver uz minimalna prilagođavanja za korisnika.
- Idealno skaliranje: Testiranje je pokazalo „gotovo idealno snažno skaliranje“, što znači da udvostručavanje broja jezgara hardvera skoro prepolovljuje vrijeme potrebno za rješavanje problema.
Održiv put za probleme na „exascale“ nivou
Dok tradicionalni superračunari poput sistema Frontier troše milione vati da bi postigli performanse na „exascale“ nivou, neuromorfni sistemi nude „jeftinu“ alternativu za sofisticirane motoričke kontrole i numeričke zadatke.
Prelaskom na neuromorfne sisteme bazirane na analognoj tehnologiji u budućnosti, naučnici iz instituta Sandia vjeruju da mogu riješiti još složenije naučne probleme uz dodatno smanjenje potrošnje energije. Ovo istraživanje predstavlja ključni korak ka novoj eri ultra-efikasnog računarstva visokih performansi inspirisanog radom ljudskog mozga.
Komentari