Kuvittele katsovasi aivojen taittumista ja avautumista näytöllä nopeammin kuin silmä räpähtää. Tällaisella aikaskaalalla nämä tutkijat toimivat: memristoripohjainen siru, joka mallintaa aivojen poimuttunutta aivokuorta alle 10 millisekunnissa.
Työtä johti Yuchao Yang Pekingin yliopistossa yhteistyössä Shanghain mikrojärjestelmien ja informaatioteknologian instituutin tutkijoiden kanssa, ja se julkaistiin Science-lehdessä nimellä "Alle 10 millisekunnin hermodynaaminen järjestelmä, joka perustuu faasimuutos-memristoreihin." Perinteisen pullonkaulan sijaan tiimi siirsi laskennan itse muistiin, käyttäen faasimuutos-memristoreja tietojen tallentamiseen ja simultaaniseen laskemiseen.
Miksi sillä on merkitystä? Aivojen poimuttuneen pinnan rekonstruointi reaaliajassa on laskennallisesti erittäin vaatima. Hermodynaamiset järjestelmät, jotka yhdistävät neuroverkot differentiaaliyhtälöihin seuratakseen kehittyviä fysikaalisia järjestelmiä, vaativat toistuvia integraatiovaiheita, virhetarkistuksia ja tarkasti säädettyjä askelkokoja. Jos joka vaiheessa siirrät dataa väylien yli, hukkaat aikaa ja energiaa. Tee laskelmat siellä, missä data sijaitsee, ja kaikki nopeutuu.
Sirun hermodynamiikka toimii millisekunnin aikaskaalassa, joka vastaa biologisen laskennan rytmiä.
Piisirulla tiimi käytti 40 nanometrin prosessia pakaten muistiinlaskennan ja johtavuuden siirtymiseen perustuvat memristoritaulukot vain 0,28 neliömillin alueelle. Laite toimii 50 MHz:n kellotaajuudella ja suorittaa jokaisen numeerisen integraation yhdeksän putkivaiheen kautta. Hyöty oli dramaattinen: hermodynamiikan työkuormissa laitteisto toimi noin 3,8–36,3 kertaa nopeammin kuin huippuluokan sovelluskohtaiset integroidut piiriratkaisut (ASIC), samalla kun virrankulutus oli suunnilleen 11,8–24,7 kertaa pienempi. Aivokuoren pinnan rekonstruoinnin tehtävässä siru ilmoitti jopa 478-kertaisia nopeutuksia verrattuna näytönohjaimeen NVIDIA A100.
Yleiskuva NDS-laitteistosta monitasoisella ja hienojakoisella CCD-memristorilla.
Suorituskykyluvut ovat yksi asia. Laatu on toinen. Tutkijat rekonstruoivat valko- ja harmaan aineen rajat ja tuottivat reaaliaikaisesti kolmiulotteisia pintaverkkoja, jotka kuvaavat pintaa jatkuvana, moniulotteisena mallina. Verkot olivat sileitä ja suljettuja, säilyttäen aivojen poimut ja topologisen johdonmukaisuuden. Kvantitatiiviset mittarit, kuten keskimääräinen symmetrinen pintaväli ja Hausdorff-etäisyys, osoittivat, että rekonstruoinnit vastasivat tarkasti kohdeanatomioita, mikä tarkoittaa, ettei lähestymistavassa jouduttu uhraamaan tarkkuutta nopeuden takia.
Ajattele mahdollisuuksia. Reaaliaikainen aivokuoren kartoittaminen voisi muuttaa kirurgista ohjausta, aivo-tietokone-rajapintoja ja live-lääketieteellistä kuvantamista. Digitaaliset aivotwinit, jotka päivittyvät leikkauksen edetessä, tai millisekunneissa reagoivat adaptiiviset kuvantamistyökalut ovat nyt mahdollisia, eivät kaukaisia insinööriunelmia. Neurodegeneratiivisia sairauksia, kuten Alzheimerin tai Parkinsonin tautia, tutkiville nopeampi ja korkean tarkkuuden pintarekonstruktio voi tarjota uusia tapoja seurata hienovaraisia rakenteellisia muutoksia niiden tapahtuessa.
Edessä on käytännöllisiä haasteita: laitteen skaalaaminen suurempiin malleihin, integrointi olemassa oleviin kliinisiin työnkulkuihin ja suorituskyvyn varmistaminen monimuotoisissa potilasanatomioissa. Silti keskeinen ajatus, muisti- ja prosessorijaon kaventaminen ja sen salliminen, että laitteisto tekee raskaan laskennan siellä, missä data sijaitsee, tuntuu vähemmän inkrementaaliselta parannukselta ja enemmän siirtymältä siihen, miten suunnittelemme neurokomputaation välineitä.
Jos koneet nyt voivat jäljitellä aivojen ajoitusta samalla kun ne säilyttävät anatomian yksityiskohdat, millaisia uusia vuorovaikutuksia kliinikoiden, potilaiden ja algoritmien välillä syntyy seuraavan vuosikymmenen aikana?
"Olen biologi ja intohimoni on luonnon monimuotoisuus. Genomissa kirjoitan uusimmista tutkimuksista ja ympäristönsuojelusta."
Keskustelu
Jätä kommentti
Kommentit
Ei vielä kommentteja. Ole ensimmäinen.