แผงวงจรจำลองบนสมองมนุษย์

เครดิตภาพ: agsandrew

เครดิตภาพ: agsandrew


วิศวกรชีวภาพของสแตนฟอร์ดได้พัฒนาแผงวงจรใหม่ที่จำลองขึ้นจากสมองของมนุษย์ ซึ่งอาจจะเป็นการเปิดพรมแดนใหม่ๆ ในด้านวิทยาการหุ่นยนต์และการประมวลผล

สำหรับความซับซ้อนทั้งหมดของพวกเขา คอมพิวเตอร์จะซีดเมื่อเปรียบเทียบกับสมอง ตัวอย่างเช่น เยื่อหุ้มสมองขนาดพอเหมาะของเมาส์ ทำงานได้เร็วกว่าการจำลองการทำงานของคอมพิวเตอร์ส่วนบุคคลถึง 9,000 เท่า


Kwabena Boahen รองศาสตราจารย์ด้านวิศวกรรมชีวภาพที่ Stanford ไม่เพียงแต่ทำงานช้าลงเท่านั้น แต่ยังใช้พลังงานเพิ่มขึ้น 40,000 เท่าในบทความเรื่องการดำเนินการของ IEEE.

'จากมุมมองของพลังงานที่บริสุทธิ์ สมองนั้นยากที่จะจับคู่ได้' Boahen กล่าว ซึ่งบทความสำรวจว่านักวิจัย 'neuromorphic' ในสหรัฐอเมริกาและยุโรปใช้ซิลิคอนและซอฟต์แวร์เพื่อสร้างระบบอิเล็กทรอนิกส์ที่เลียนแบบเซลล์ประสาทและไซแนปส์ได้อย่างไร

Boahen และทีมของเขาได้พัฒนา Neurogrid ซึ่งเป็นแผงวงจรที่ประกอบด้วยชิป 'Neurocore' ที่ออกแบบเองจำนวน 16 ชิป ชิปทั้ง 16 ตัวนี้สามารถจำลองเซลล์ประสาทได้ 1 ล้านเซลล์และการเชื่อมต่อแบบซินแนปติกหลายพันล้านรายการ ทีมออกแบบชิปเหล่านี้โดยคำนึงถึงประสิทธิภาพด้านพลังงาน กลยุทธ์ของพวกเขาคือการทำให้ซินแนปบางตัวสามารถแบ่งปันวงจรฮาร์ดแวร์ได้ ผลที่ได้คือ Neurogrid อุปกรณ์ที่มีขนาดเท่ากับ iPad ที่สามารถจำลองลำดับของขนาดเซลล์ประสาทและไซแนปส์ได้มากกว่าสมองรุ่นอื่นๆ ที่ใช้พลังในการรันคอมพิวเตอร์แท็บเล็ต




สถาบันสุขภาพแห่งชาติให้ทุนสนับสนุนการพัฒนาต้นแบบเซลล์ประสาทจำนวนหนึ่งล้านเซลล์นี้ด้วยรางวัลผู้บุกเบิกห้าปี ตอนนี้ Boahen พร้อมสำหรับขั้นตอนต่อไป - ลดต้นทุนและสร้างซอฟต์แวร์คอมไพเลอร์ที่จะช่วยให้วิศวกรและนักวิทยาศาสตร์คอมพิวเตอร์ที่ไม่มีความรู้ด้านประสาทวิทยาสามารถแก้ปัญหาได้เช่นการควบคุมหุ่นยนต์ฮิวแมนนอยด์โดยใช้ Neurogrid

ความเร็วและลักษณะพิเศษของพลังงานต่ำทำให้ Neurogrid เหมาะอย่างยิ่งสำหรับมากกว่าการสร้างแบบจำลองสมองมนุษย์ Boahen กำลังทำงานร่วมกับนักวิทยาศาสตร์ของ Stanford คนอื่นๆ เพื่อพัฒนาขาเทียมสำหรับคนเป็นอัมพาตซึ่งจะถูกควบคุมโดยชิปที่คล้ายกับ Neurocore

“ตอนนี้ คุณต้องรู้ว่าสมองทำงานอย่างไรเพื่อตั้งโปรแกรมหนึ่งในสิ่งเหล่านี้” โบเฮ็นชี้ไปที่บอร์ดต้นแบบมูลค่า 40,000 ดอลลาร์บนโต๊ะในสำนักงานสแตนฟอร์ดของเขา 'เราต้องการสร้าง neurocompiler เพื่อที่คุณจะได้ไม่ต้องรู้อะไรเกี่ยวกับ synapses และ neuron เพื่อที่จะใช้สิ่งเหล่านี้ได้'

บำรุงสมอง


ในบทความของเขา Boahen ตั้งข้อสังเกตถึงบริบทที่กว้างขึ้นของการวิจัยเกี่ยวกับ neuromorphic รวมถึงโครงการ Human Brain ของสหภาพยุโรปซึ่งมีจุดมุ่งหมายเพื่อจำลองสมองของมนุษย์ในซูเปอร์คอมพิวเตอร์ ในทางตรงกันข้าม โครงการ US BRAIN ซึ่งย่อมาจาก Brain Research through Advancing Innovative Neurotechnologies ได้ใช้แนวทางการสร้างเครื่องมือโดยท้าทายนักวิทยาศาสตร์ รวมถึงหลายๆ คนที่สแตนฟอร์ด เพื่อพัฒนาเครื่องมือชนิดใหม่ๆ ที่สามารถอ่านกิจกรรมของคนนับพันหรือหลายล้านคนได้ ของเซลล์ประสาทในสมองรวมทั้งเขียนในรูปแบบกิจกรรมที่ซับซ้อน

จากภาพรวม บทความของ Boahen มุ่งเน้นไปที่สองโครงการที่เทียบได้กับ Neurogrid ที่พยายามจำลองการทำงานของสมองในซิลิกอนและ/หรือซอฟต์แวร์

หนึ่งในความพยายามเหล่านี้คือโครงการ SyNAPSE ของ IBM ซึ่งย่อมาจาก Systems of Neuromorphic Adaptive Plastic Scalable Electronics ตามชื่อที่บอกไว้ SyNAPSE เกี่ยวข้องกับการประมูลเพื่อออกแบบชิปใหม่ ซึ่งมีชื่อรหัสว่า Golden Gate เพื่อเลียนแบบความสามารถของเซลล์ประสาทในการสร้างการเชื่อมต่อแบบซินแนปติกจำนวนมาก ซึ่งเป็นคุณสมบัติที่ช่วยให้สมองแก้ปัญหาได้ทันที ในปัจจุบัน ชิป Golden Gate ประกอบด้วยเซลล์ประสาทดิจิตอล 256 เซลล์ โดยแต่ละเซลล์มีวงจรซินแนปติกดิจิตอล 1,024 วงจร โดย IBM กำลังดำเนินการเพื่อเพิ่มจำนวนเซลล์ประสาทในระบบอย่างมาก

โครงการ BrainScales ของมหาวิทยาลัยไฮเดลเบิร์กมีเป้าหมายที่ทะเยอทะยานในการพัฒนาชิปแอนะล็อกเพื่อเลียนแบบพฤติกรรมของเซลล์ประสาทและไซแนปส์ ชิป HICANN ของพวกเขาซึ่งย่อมาจาก High Input Count Analog Neural Network จะเป็นแกนหลักของระบบที่ออกแบบมาเพื่อเร่งการจำลองสมอง เพื่อให้นักวิจัยสามารถจำลองปฏิกิริยาระหว่างยาที่อาจต้องใช้เวลาหลายเดือนกว่าจะเห็นผลในกรอบเวลาที่บีบอัด ปัจจุบัน ระบบ HICANN สามารถจำลองเซลล์ประสาทได้ 512 เซลล์ โดยแต่ละเซลล์มีวงจร synaptic 224 วงจร พร้อมแผนงานที่จะขยายฐานฮาร์ดแวร์นั้นอย่างมาก


ทีมวิจัยแต่ละทีมได้ตัดสินใจเลือกทางเทคนิคที่แตกต่างกัน เช่น จะอุทิศวงจรฮาร์ดแวร์แต่ละวงจรเพื่อสร้างแบบจำลององค์ประกอบประสาทเดียว (เช่น ไซแนปส์เดียว) หรือหลายอย่าง (เช่น โดยการเปิดใช้งานวงจรฮาร์ดแวร์สองครั้งเพื่อสร้างแบบจำลองผลกระทบของสองแอ็คทีฟ ไซแนปส์) ตัวเลือกเหล่านี้ส่งผลให้มีการแลกเปลี่ยนที่แตกต่างกันในแง่ของความสามารถและประสิทธิภาพ

ในการวิเคราะห์ของเขา Boahen ได้สร้างเมตริกเดียวเพื่อพิจารณาต้นทุนรวมของระบบ ซึ่งรวมถึงขนาดของชิป จำนวนเซลล์ประสาทที่จำลอง และพลังงานที่ใช้

Neurogrid เป็นวิธีที่ประหยัดต้นทุนมากที่สุดในการจำลองเซลล์ประสาท โดยสอดคล้องกับเป้าหมายของ Boahen ในการสร้างระบบที่มีราคาไม่แพงพอที่จะนำไปใช้ในการวิจัยอย่างกว้างขวาง

ความเร็วและประสิทธิภาพ

แต่งานมากมายรออยู่ข้างหน้า แผงวงจร Neurogrid จำนวนหนึ่งล้านเซลล์ในปัจจุบันมีราคาประมาณ 40,000 เหรียญสหรัฐ Boahen เชื่อว่าสามารถลดต้นทุนได้อย่างมาก Neurogrid ขึ้นอยู่กับ 16 Neurocores ซึ่งแต่ละเซลล์รองรับ 65,536 เซลล์ประสาท ชิปเหล่านั้นผลิตขึ้นโดยใช้เทคโนโลยีการประดิษฐ์อายุ 15 ปี

ด้วยการเปลี่ยนไปใช้กระบวนการผลิตที่ทันสมัยและการผลิตชิปในปริมาณมาก เขาสามารถลดต้นทุนของ Neurocore ได้ 100 เท่า – แนะนำให้มีแผงเซลล์ประสาทหนึ่งล้านแผ่นในราคา 400 ดอลลาร์ต่อสำเนา ด้วยฮาร์ดแวร์ที่ถูกกว่าและซอฟต์แวร์คอมไพเลอร์เพื่อให้กำหนดค่าได้ง่าย ระบบ neuromorphic เหล่านี้จึงสามารถค้นหาแอปพลิเคชันจำนวนมากได้

ตัวอย่างเช่น ชิปที่เร็วและมีประสิทธิภาพเท่ากับสมองของมนุษย์สามารถขับเคลื่อนแขนขาเทียมด้วยความเร็วและความซับซ้อนของการกระทำของเราเอง – แต่ไม่ต้องผูกติดกับแหล่งพลังงาน Krishna Shenoy ศาสตราจารย์ด้านวิศวกรรมไฟฟ้าที่ Stanford และเพื่อนบ้านของ Boahen ที่ศูนย์ Bio-X แบบสหวิทยาการ กำลังพัฒนาวิธีการอ่านสัญญาณสมองเพื่อทำความเข้าใจการเคลื่อนไหว Boahen จินตนาการถึงชิปที่มีลักษณะคล้าย Neurocore ที่สามารถฝังในสมองของคนที่เป็นอัมพาตได้ แปลความหมายการเคลื่อนไหวที่ตั้งใจไว้เหล่านั้นและแปลเป็นคำสั่งสำหรับแขนขาเทียมโดยไม่ทำให้สมองร้อนเกินไป

แขนเทียมขนาดเล็กในห้องทดลองของ Boahen ถูกควบคุมโดย Neurogrid เพื่อสั่งการการเคลื่อนไหวแบบเรียลไทม์ สำหรับตอนนี้มันดูไม่มากนัก แต่คันโยกและข้อต่อที่เรียบง่ายมีความหวังสำหรับแขนขาหุ่นยนต์แห่งอนาคต

แน่นอนว่าความพยายามของ neuromorphic ทั้งหมดนั้นได้รับการร้องขอจากความซับซ้อนและประสิทธิภาพของสมองมนุษย์

ในบทความของเขา Boahen ตั้งข้อสังเกตว่า Neurogrid ใช้พลังงานอย่างมีประสิทธิภาพมากกว่าการจำลองด้วยคอมพิวเตอร์ส่วนบุคคลที่มีเซลล์ประสาท 1 ล้านเซลล์ประมาณ 100,000 เท่า แต่มันเป็นหมูพลังงานเมื่อเทียบกับซีพียูชีวภาพของเรา

“สมองของมนุษย์ซึ่งมีเซลล์ประสาทมากกว่าเซลล์ประสาท 80,000 เท่า ใช้พลังงานเพียงสามเท่า” Boahen เขียน 'การบรรลุประสิทธิภาพการใช้พลังงานในระดับนี้ในขณะที่นำเสนอความสามารถในการกำหนดค่าและขนาดที่มากขึ้นเป็นความท้าทายขั้นสูงสุดที่วิศวกรด้านประสาทวิทยาต้องเผชิญ'

ทางสแตนฟอร์ด