Ny chipdesign från IBM härmar hjärnans energibesparande effektivitet och använder 100 gånger mindre elektrisk kraft för komplicerad databehandling än dagens state-of-the-art chips.
Ett kretskort med 16 av de nya ”hjärninspirerade” chipsen i en 4 x 4 matris, tillsammans med hårdvara för gränssnitten. Kortet används för att snabbt analysera högupplösta bilder.
Foto: IBM.
DARPA-finansierade forskare har utvecklat en av världens största och mest komplexa datorchips som någonsin producerats – ett vars arkitektur är inspirerad av den neuronala hjärnans struktur och som kräver bara en bråkdel av den elektriska kraft som försörjer konventionella chips. Chipet har utvecklats av forskare vid IBM i San Jose, Kalifornien, i enlighet DARPA:s System för neuromorfiska Adaptive Plastic Scalable Electronics (Synapse)-program. Chipet innehåller mer än 5 miljarder transistorer och ståtar med mer än 250 miljoner ”synapser,” eller programmerbara logiska punkter, i analogi med anslutningarna mellan nervceller i hjärnan. Det är fortfarande ett antal storleksordningar mindre än antalet faktiska synapser i hjärnan, men ett stort steg mot att skapa ett neuro-inspirerat system med ultrahög prestanda och låg effektförbrukning.
Många uppgifter som människor och djur utför utan ansträngning, såsom perception och mönsterigenkänning, ljudbearbetning och motorstyrning, är svåra för traditionella datorarkitekturer att utföra utan att förbruka mycket ström. Biologiska system förbrukar mycket mindre energi än dagens datorer som försöker utföra samma uppgifter. SyNAPSE-programmet skapades för att påskynda utvecklingen av ett hjärn-inspirerat chip som kunde utföra svåra perceptions- och styruppgifter och samtidigt uppnå betydande energibesparingar.
SyNAPSE-utvecklade chips kan att skapa stora matriser, ha en miljon elektroniska ”neuroner” och 256 miljoner elektroniska synapser mellan nervcellerna. Ett chip byggt med Samsung Foundrys 28nm processteknik har 5,4 miljarder transistor- mer än så gott som alla chips som någonsin producerats. Varje chip förbrukar mindre än 100 mW under drift. När chipet ”benchmarkas” vid mönsterigenkänning har det uppnått två tiopotenser avseende energibesparingar jämfört med state-of-the-art traditionella datorsystem.
Den höga energieffektivitet uppnås delvis genom att distribuera data och beräkningar över chipet och minska behovet av att flytta data över stora avstånd. Dessutom arbetas chipet på ett asynkront sätt och bearbetar och överför data endast vid behov vilket liknar hur hjärnan fungerar. Det nya chipets höga energieffektivitet gör det till en kandidat för försvarstillämpningar såsom mobila robotar och sensorer där tillgången till elektrisk kraft är begränsad.
” Utvecklingen av datorchipet drivs på av en önskan att uppnå högsta prestanda till lägsta kostnad. Historiskt sett var den viktigaste kostnaden den för datorchips. Men Moores lag – den exponentiellt minskande kostnaden för att bygga chip med hög transistordensitet – gör att datorarkitekter nu lånar en idé från naturen, där energi är en viktigare kostnad än komplexiteten, och fokusera på design som gynnar energieffektivitet genom att sparsamt använda ett mycket stort antal komponenter för att minimera förflyttning av data. IBM:s chip, som är det i särklass största som hittills tillverkats som utnyttjar dessa idéer, kan ge obemannade luftfarkoster eller robotmarksystem med begränsade effektbudgetar en mer förfinad uppfattning om omgivningen och urskilja hot mer exakt och minska bördan för systemansvariga, ”säger Gill Pratt, DARPA programchef. ”Våra trupper ofta är ofta i karga miljöer och måste bära tunga batterier till mobila enheter, sensorer, radioapparater och annan elektronisk utrustning. Luftfarkoster har också mycket begränsade effektbudgetar på grund av vikteffekterna. För båda dessa miljöer kan den extrema energieffektiviteten som uppnås genom SyNAPSE-programmet möjliggöra ett mycket bredare utbud av bärbara datorapplikationer för försvaret. ”
En annan potentiell tillämpning för SyNAPSE-utvecklade chips är neurovetenskap modellering. Det stora antalet elektroniska neuroner och synapser i varje chip och förmågan att koppla ihop flera chip kan leda till utveckling av komplexa, nätverks-neuromorfiska simulatorer för att testa nätverksmodeller i neurobiologi och fördjupa dagens kunskap om hjärnans funktion.
