Especialistas de la Universidad Estatal de Nóvgorod Yaroslav el Sabio han desarrollado un modelo matemático único que permite reconfigurar dinámicamente las redes neuronales de hardware en tiempo real.
La tecnología no tiene análogos en el mundo y abre el camino a la creación de redes neuronales físicas capaces de adaptarse a las condiciones cambiantes sin intervención manual.
El problema clave de las redes neuronales de hardware modernas es la complejidad de cambiar los "pesos" (parámetros de conexión entre las neuronas) en dispositivos con elementos submicrónicos. Esto limita su flexibilidad: tales sistemas no pueden cambiar rápidamente entre tareas. El nuevo modelo resuelve este problema mediante el control externo de las sinapsis, las zonas de interacción entre las neuronas.
La base del desarrollo es el concepto de generadores de oscilaciones acoplados que imitan el funcionamiento de las neuronas artificiales. Su sincronización depende de la frecuencia de las señales externas, lo que permite cambiar el "comportamiento" de la red. Para controlar las conexiones entre los generadores, los científicos utilizaron estructuras magnetoelectromagnéticas en capas. Estos elementos actúan como una plataforma donde la interacción de las neuronas se regula mediante un campo eléctrico externo.
"Hemos relacionado matemáticamente la configuración del campo con las áreas de interacción de los generadores", explicó Alexander Nikitin. "Esto permitió transferir los procesos físicos al entorno de software Python, lo que simplifica la integración del modelo con los algoritmos de aprendizaje automático".
La reconfiguración dinámica de las redes neuronales "en el hardware" elimina la necesidad de convertir las solicitudes en código máquina, lo que acelera los cálculos cientos de veces. Tales sistemas podrán adaptarse instantáneamente, por ejemplo, en robots autónomos que operan en condiciones extremas, o en sistemas en tiempo real para el análisis de big data. Además, la tecnología reduce el consumo de energía, ya que elimina la etapa de interpretación del software.
La investigación se encuentra en la etapa de modelado matemático. El siguiente paso será la creación de un prototipo del dispositivo.
Materiales sobre el tema:
ИИ от Сколтеха научился предсказывать лесные пожары с точностью до 87%
«Авито Работа» запускает новую языковую систему A-Vibe: поможет составить резюме