新的计算硬件需要理论基础
全球范围内都在大力寻找新型材料来构建计算机微芯片,这些材料不是基于经典晶体管,而是基于更节能的类脑组件。然而,虽然经典的基于晶体管的数字计算机的理论基础是坚实的,但创建类脑计算机却没有真正的理论指导。格罗宁根大学认知材料计算教授 Herbert Jaeger 认为,这样的理论对于将新型微芯片工程的努力放在坚实的基础上是绝对必要的。
到目前为止,计算机依赖于可以关闭或打开的稳定开关,通常是晶体管。这些数字计算机是逻辑机器,它们的编程也基于逻辑推理。几十年来,通过晶体管的进一步小型化,计算机变得更加强大,但这一过程现在已接近物理极限。这就是为什么科学家们正在努力寻找新材料来制造更多用途的开关,这些开关可以使用更多的值,而不仅仅是数字 0 或 1。
危险的陷阱
Jaeger 隶属于格罗宁根认知系统和材料中心 (CogniGron),该中心旨在开发神经形态(即类脑)计算机。CogniGron 汇集了采用截然不同方法的科学家:来自数学、计算机科学和人工智能等不同领域的实验材料科学家和理论建模者。与材料科学家的密切合作让 Jaeger 很好地了解了他们在尝试提出新的计算材料时所面临的挑战,同时也让他意识到了一个危险的陷阱:没有既定的理论来使用非计算材料。计算系统中的数字物理效应。
我们的大脑不是一个逻辑系统。我们可以进行逻辑推理,但这只是我们大脑所做的一小部分。大多数时候,它必须弄清楚如何在走廊里经过同事时伸手去拿茶杯或向他们挥手。“我们大脑进行的许多信息处理都是非逻辑的,是连续的、动态的。在数字计算机中很难将其形式化,”Jaeger 解释道。此外,尽管血压、外部温度或激素平衡等发生波动,我们的大脑仍会继续工作。如何才能创造出一台功能强大且功能强大的计算机呢?耶格很乐观:“简单的答案是:大脑证明了它是可以做到的。”
神经元
因此,大脑是材料科学家的灵感来源。Jaeger:“他们可能会生产出由几百个原子组成的、会振荡的东西,或者会表现出爆发性活动的东西。他们会说:“这看起来就像神经元的工作原理,所以让我们构建一个神经网络”。但他们在这里缺少一些重要的知识。“即使是神经科学家也不知道大脑到底是如何工作的。这就是缺乏神经形态计算机理论的问题所在。然而,该领域似乎并没有看到这一点。 '
在 8 月 16 日《自然通讯》杂志上发表的一篇论文中,Jaeger 和他的同事 Beatriz Noheda(CogniGron 科学总监)和 Wilfred G. van der Wiel(特温特大学)提出了非数字计算机理论的草图。 。他们提出该理论应该适用于连续的模拟信号,而不是稳定的 0/1 开关。它还应该适应材料科学家正在研究的大量非标准纳米级物理效应。
子理论
耶格从材料科学家的意见中了解到的另一件事是,用这些新材料制造设备很难。Jaeger:“如果你制作一百个,它们将不会全部相同。” 这实际上非常像大脑,因为我们的神经元也不完全相同。Jaeger 继续说道,另一个可能的问题是这些设备通常很脆且对温度敏感。“任何神经形态计算理论都应该考虑到这些特征。”
重要的是,支撑神经形态计算的理论不会是单一理论,而是由许多子理论构建而成(见下图)。Jaeger:“这实际上也是数字计算机理论的工作原理,它是一个由相互连接的子理论组成的分层系统。” 创建这样的神经形态计算机的理论描述需要实验材料科学家和正式理论建模者的密切合作。Jaeger:“计算机科学家必须了解所有这些新材料的物理原理,材料科学家也应该了解计算的基本概念。”
盲区
弥合材料科学、神经科学、计算科学和工程学之间的鸿沟正是 CogniGron 在格罗宁根大学成立的原因:它将这些不同的群体聚集在一起。“我们都有盲点,”耶格总结道。“我们知识中最大的差距是神经形态计算的基础理论。我们的论文是首次尝试指出如何构建这样的理论以及我们如何创建一种共同语言。
版权声明:本文由用户上传,如有侵权请联系删除!