人工知能 (AI) ツールの急速な進歩に伴い、世界中のエンジニアが人間の脳の組織と機能を再現する新しいアーキテクチャとハードウェア コンポーネントの開発に取り組んできました。

これまでに作成された脳にインスピレーションを得たテクノロジーのほとんどは、神経要素の全体的な構造や神経要素が情報処理にどのように寄与するかを反映するのではなく、脳細胞 (つまりニューロン) の発火からインスピレーションを得ています。

清華大学の研究者らは最近、シナプスの構成（つまり、ニューロン間の接続）と樹状突起の樹状構造（つまり、ニューロンの本体から伸びる突起）を再現するように設計された新しいニューロモーフィック計算アーキテクチャを導入した。

この新しい脳のような人工システムは、紙に掲載されましたネイチャーエレクトロニクス、イオンドープされたゾルゲル膜を備えたマルチゲートシリコンナノワイヤトランジスタの計算モデルを使用して実現されました。

「私がイタリアのミラノ工科大学で AI と脳生物工学の修士課程の学生だったとき、効率的な AI を設計するために、ニューロンの樹状突起などの脳の接続の疎らさと形態をエミュレートするというアイデアを思いつきました。」と Carlo Vittorio Cannistraci 氏は言います。責任著者の一人がTech Exploreに語った。

「私はまた、電気的活性化の増加に囲まれたときに機能をオンにする『サイレント・シナプス』などの脳メカニズムの優雅さにも魅了されました。」

カニストラチ氏は、これまでの研究や研究対象からインスピレーションを得て、最近、複雑な脳のメカニズムをコンピューターで実現することに着手しました。この最近の研究の一環として、彼は清華大学の他の研究者と協力して、ニューロモーフィック コンピューティング モデルを使用して樹状突起の形態とシナプスの基礎を再現しました。

「ある日、カルロは私に「樹状計算」を勉強するように頼んだのです。以前の共同研究「ニューロトランジスタ」に関する研究には、樹状突起の特性を模倣する可能性があった」と責任著者の一人である Eunhye Baek 氏は Tech Xplore に語った。

「Luping Shi教授と私は、神経形態視覚センサーシステムを開発する方法を模索していましたが、このアプローチの可能性を認識していました。

「私の興味は常に、より脳/ニューロンに似た動的情報処理システムを構築することでした。樹状計算には、神経形態工学ではまだ十分に研究されていない広範囲の動的で複雑な特性が含まれるため、非常に興奮しました。」

これまでに実施されたニューロモーフィック コンピューティング研究のほとんどは、学習に関連するシナプス プロセスの再現とニューロン スパイクの生成を人工的に複製することに焦点を当てていました。これらの研究では、樹状突起を単純な伝送線としてモデル化することが多く、そのため樹状突起の独特の形態に関連する機能が無視されています。

「樹状突起は樹状形態を利用して、空間的に分布した信号をマッピングし、枝特有の可塑性を示し、さまざまなシナプスを統合します」とBaek氏は説明した。

「各樹状突起の枝は、特定の方向性を持つ信号に特に敏感であり、時空間信号の処理に特化しています。私たちの研究は、これらの複雑な樹状突起の機能に焦点を当てています。」

Cannistraci、Shi、Baek とその共同研究者は、生物学的樹状突起の形態と機能を反映する新しいデバイスを設計、開発しました。「デンドライト」と呼ばれるこのデバイスは、イオンドープされたゾルゲル膜でコーティングされたマルチゲートトランジスタの物理学を利用して、デンドライトによって実行される計算を模倣します。

「このフィルムは、ドープされたイオンが神経樹状突起内のイオンと同様に移動できるようにすることで樹状枝を模倣し、樹状突起の膜電位の変化を反映するようにトランジスタの電流を調節します」とBaek氏は述べた。「私たちの研究は、デンドリストが非線形の樹枝状集積と方向選択性を示すことを示しています。」

この研究グループによる最近の論文では、デンドリスターデバイスに加えて、人工サイレントシナプスも導入されています。このシステムでは、ゾルゲル膜内のデンドリスターの枝の電圧により、膜が特定の閾値に達した場合にのみシナプス入力が活性化されるため、移動する視覚刺激の方向を識別するシステムの能力が向上します。

「私たちはまた、網膜と視覚野の神経回路にヒントを得て、移動信号の方向を計算する神経形態樹状神経回路も作成しました」とBaek氏は述べた。「この回路は、2D および深度で移動する信号を検出し、それらを統合して 3D 空間内のオブジェクトの移動方向を再構成する能力を示しています。」

Cannistraci、Baek、およびその同僚によって導入された新しいニューロモーフィック コンピューティング アプローチは、樹状ニューロンのまばらな接続を厳密に反映することにより、驚くべきエネルギー効率を達成することが判明しました。実際、このシステムは、既存のものよりも少ないニューロンを利用して動きを検出できる可能性を示しています。人工ニューラルネットワーク(ANN)。

この新しいアーキテクチャの主な利点は、生物学的ニューロンの機能的側面の複製を超えて到達できることです。他の既存のニューロモーフィック コンピューティング プラットフォームとは対照的に、樹状突起の形態やサイレント シナプスの基盤など、ニューロンの構造と疎な接続性も再現します。

「知能を実現する神経形態研究にはさまざまなアプローチがありますが、私たちの研究は動的信号処理におけるニューロンとそのシナプス接続形態の重要性を独自に示しています」とBaek教授は述べた。

「私たちは、生物学的なニューロンがシナプス入力の空間的にまばらなマッピングを使用して機能的な神経回路を形成する方法を模倣することでこれを達成しました。これは、この形態が効率的な神経形態情報処理にとっていかに重要であるかを強調しています。」

注目すべきことに、この研究チームは、抑制性シナプスと沈黙シナプスの空間的位置が神経形態システムにおけるニューロンによる信号の処理も制御できることを初めて実証した。この洞察は、サイレント シナプスを再現する他の計算モデルやアーキテクチャの設計に役立つ可能性があります。

「スパース性と形態学は十分に理解されておらず、次世代 AI の構築に採用されてきました」と Cannistraci 氏は述べています。「私たちの研究は、実際の脳ネットワークのこれら 2 つの特徴を活用して、効率的な AI のための次世代ニューロモーフィック ニューラル ネットワークを設計する方法を初めて示しました。」

Cannistraci 氏、Baek 氏、およびその同僚らによる最近の取り組みにより、半導体デバイスに基づくニューロモーフィック システムのエンジニアリングに新たな刺激的な道が間もなく開かれる可能性があります。具体的には、彼らが提案する脳にヒントを得た設計は、エネルギー消費の少ない新しいデバイスや AI ツールの開発に貢献し、より持続可能なコンピューティングへの道を開く可能性があります。

研究者らは次の研究で、動的視覚信号の分類をさらに強化できる高度な抑制性接続を使用して、人工神経回路をさらに拡張することを計画している。これを行うために、彼らは、発達の初期段階で脳内で観察される神経接続を厳密に模倣しようとします。

「私たちは、深層学習を実行し、時系列分析や聴覚タスクなど、視覚を超えた他の AI タスクを解決できる、新しい神経形態樹状ネットワーク アーキテクチャを開発する予定です」と Cannistraci 氏は付け加えました。

「さらに、視覚や音響など、さまざまなタイプの感覚入力を処理して相互に関連付けることができるマルチモーダル回路を開発したいと考えています。最後に、このスパースおよび形態学的コンピューティング パラダイムを、実装されている古典的なタイプの人工ニューラル ネットワークに拡張したいと考えています。」デジタルハードウェア上で。」

© 2024 サイエンス X ネットワーク