У нещодавньому проривному відкритті дослідники з університету CEA-LETI Grenoble Alpes, університету Цюрих і ЕТГ Цюрих представили революційний підхід до архітектур нейромережових ланцюгових систем. Їх технічна стаття під назвою “Mosaic: обчислення та маршрутизація у пам’яті для малих світових нейромережових систем на основі спайків” пропонує інноваційну систолічну архітектуру під назвою Mosaic, яка використовує розподілені мемрістори для ефективної маршрутизації та обчислення інформації в мережах, що базуються на спайках (SNN).
За допомогою натхнення від зв’язку в людському мозку, дослідники приймають концепцію графів малих світів, які характеризуються локальною щільністю і глобальною розрідженістю. Цей принцип, що притаманний еволюційним процесам різних видів, має вирішальне значення для надійної та ефективної маршрутизації інформації. Однак поточним штучним структурам нейромереж не вдається повністю врахувати переваги моделей нейромереж малих світів.
Mosaic заповнює цю прогалину, вводячи нову не-фон-Нейманнівську архітектуру, яка поєднує обчислення та маршрутизацію у пам’яті за допомогою розподілених мемрісторів. Застосовуючи топологію графів малих світів, Mosaic використовує потужність SNN для досягнення неперевершеної маршрутизаційної ефективності. Дизайн, виготовлення та експериментальні демонстрації компонентів Mosaic команди показують вражаючі результати, використовуючи інтегровані мемрістори з передовою технологією СМОС 130 нм.
Одним із найважливіших висновків їх досліджень є вражаюча ефективність маршрутизації, досягнута Mosaic в порівнянні з існуючими апаратними платформами SNN. Завдяки визначеності зв’язку, Mosaic перевищує інших як мінімум на порядок з точки зору маршрутизаційної ефективності. Водночас, Mosaic, відмінно справляючись з маршрутизацією, також забезпечує конкурентоспроможну точність на ряді тестів.
Крім того, Mosaic пропонує масштабований підхід для гранульних систем, використовуючи потужність розподіленого обчислення на основі спайків та маршрутизації у пам’яті. За його потенціалу перевернути інформаційну маршрутизацію у нейромережових системах, Mosaic відкриває шлях до більш ефективних та потужних застосунків штучного інтелекту.
По мірі стрімкого розвитку галузі штучного інтелекту, проведені цими заслуженими вченими дослідження вказують на нову еру архітектур нейромереж. Приймаючи принципи мереж малих світів, Mosaic створює передумови для покращення ефективності та продуктивності маршрутизації інформації, розширюючи межі можливостей штучного інтелекту та машинного навчання.
The source of the article is from the blog tvbzorg.com