ភាពជឿនលឿននៃកុំព្យូទ័រទំនើប៖ ការប្រើប្រាស់បណ្តាញអុបទិក neuromorphic

ក្នុងរយៈពេលប៉ុន្មានទសវត្សរ៍ចុងក្រោយនេះ និន្នាការដែលធ្លាប់ស្គាល់ និងត្រឹមត្រូវ ច្បាប់ Moore ដែលត្រូវបានព្យាករណ៍ដោយ Gordon Moore នៃក្រុមហ៊ុន IBM ក្នុងឆ្នាំ 1965 ឥឡូវនេះកំពុងក្លាយជារង្វាស់នៃដំណើរការកុំព្យូទ័រដែលមិនដំណើរការ។ ច្បាប់របស់ Moore បានព្យាករណ៍ថា រៀងរាល់ពីរឆ្នាំម្តង ចំនួននៃត្រង់ស៊ីស្ទ័រនៅក្នុងសៀគ្វីរួមបញ្ចូលគ្នានឹងកើនឡើងទ្វេដង ដែលថានឹងមានត្រង់ស៊ីស្ទ័រកាន់តែច្រើនក្នុងបរិមាណដូចគ្នា ដែលនាំឱ្យមានការបង្កើនការគណនា ហើយដូច្នេះដំណើរការកុំព្យូទ័រ។ នៅក្នុងខែមេសា ឆ្នាំ 2005 នៅក្នុងបទសម្ភាសន៍មួយ លោក Gordon Moore ផ្ទាល់បានថ្លែងថា ការព្យាករណ៍របស់គាត់ទំនងជានឹងលែងមាននិរន្តរភាពទៀតហើយ៖ “បើនិយាយពីទំហំ [នៃត្រង់ស៊ីស្ទ័រ] អ្នកអាចមើលឃើញថា យើងកំពុងខិតជិតទំហំអាតូម ដែលជាឧបសគ្គជាមូលដ្ឋាន ប៉ុន្តែវា នឹងមានពីរឬបីជំនាន់មុនពេលយើងទៅដល់ឆ្ងាយ—ប៉ុន្តែវានៅឆ្ងាយដូចដែលយើងមិនធ្លាប់បានឃើញ។ យើង​មាន​ពេល​១០​ទៅ​២០​ឆ្នាំ​ទៀត មុន​ពេល​យើង​ឈាន​ដល់​កម្រិត​មូលដ្ឋាន»។   

ទោះបីជាច្បាប់របស់ Moore នឹងត្រូវវិនាសនឹងឈានដល់ទីបញ្ចប់ក៏ដោយ សូចនាករផ្សេងទៀតនៃការគណនាកំពុងមើលឃើញការកើនឡើងនៃការអនុវត្ត។ ជាមួយនឹងបច្ចេកវិទ្យាដែលយើងប្រើប្រាស់ក្នុងជីវិតប្រចាំថ្ងៃរបស់យើង យើងទាំងអស់គ្នាអាចឃើញនិន្នាការនៃកុំព្យូទ័រកាន់តែតូចទៅៗ ប៉ុន្តែក៏ថាថ្មរបស់ឧបករណ៍ប្រើប្រាស់បានយូរ និងយូរផងដែរ។ និន្នាការចុងក្រោយជាមួយថ្មត្រូវបានគេហៅថាច្បាប់ Koomey ដែលដាក់ឈ្មោះតាមសាស្រ្តាចារ្យសាកលវិទ្យាល័យ Stanford លោក Jonathan Koomey ។ ច្បាប់របស់ Koomey ព្យាករណ៍ថា "... នៅពេលបន្ទុកកុំព្យូទ័រថេរ បរិមាណថ្មដែលអ្នកត្រូវការនឹងធ្លាក់ចុះដោយកត្តាពីរក្នុងមួយឆ្នាំកន្លះ។" ដូច្នេះ ការប្រើប្រាស់ថាមពលអេឡិចត្រូនិច ឬប្រសិទ្ធភាពថាមពលរបស់កុំព្យូទ័រកំពុងកើនឡើងទ្វេដងរៀងរាល់ 18 ខែម្តង។ ដូច្នេះ អ្វី​ដែល​និន្នាការ និង​ការ​ផ្លាស់​ប្តូរ​ទាំង​អស់​នេះ​កំពុង​ចង្អុល​ឆ្ពោះ​ទៅ​រក និង​បង្ហាញ​ឱ្យ​ឃើញ​គឺ​អនាគត​នៃ​ការ​គណនា។

អនាគតនៃការគណនា

យើងបានមកដល់ពេលវេលាមួយក្នុងប្រវត្តិសាស្ត្រ ដែលយើងត្រូវកំណត់ឡើងវិញនូវការគណនាឡើងវិញ ដោយសារនិន្នាការ និងច្បាប់ដែលបានព្យាករណ៍កាលពីប៉ុន្មានទសវត្សរ៍មុន លែងអាចអនុវត្តបានទៀតហើយ។ ផងដែរ នៅពេលដែលការគណនាឆ្ពោះទៅរកមាត្រដ្ឋាន nano និង quantum វាមានដែនកំណត់ជាក់ស្តែង និងបញ្ហាប្រឈមដែលនឹងមកដល់។ ប្រហែលជាការប៉ុនប៉ងគួរឱ្យកត់សម្គាល់បំផុតនៅ supercomputing, quantum computing មានបញ្ហាប្រឈមជាក់ស្តែងក្នុងការទាញយក quantum entanglement យ៉ាងពិតប្រាកដសម្រាប់ការគណនាប៉ារ៉ាឡែល ពោលគឺការអនុវត្តការគណនាមុនពេល decoherence quantum ។ ទោះជាយ៉ាងណាក៏ដោយ ទោះបីជាមានបញ្ហាប្រឈមនៃការគណនា Quantum មានការរីកចម្រើនច្រើនក្នុងប៉ុន្មានទសវត្សរ៍កន្លងមកនេះ។ មនុស្សម្នាក់អាចរកឃើញគំរូនៃស្ថាបត្យកម្មកុំព្យូទ័រ John von Neumann បុរាណដែលបានអនុវត្តចំពោះការគណនាកង់ទិច។ ប៉ុន្តែមានអាណាចក្រមួយទៀតដែលមិនសូវល្បីឈ្មោះនៃកុំព្យូទ័រ (ទំនើប) ហៅថា កុំព្យូទ័រ neuromorphic ដែលមិនអនុវត្តតាមស្ថាបត្យកម្ម វ៉ុន ណឺម៉ាន់ ប្រពៃណី។ 

ការគណនាសរសៃប្រសាទត្រូវបានគិតគូរដោយសាស្ត្រាចារ្យ Caltech លោក Carver Mead ត្រឡប់មកវិញនៅក្នុងឯកសារសិក្ខាសាលារបស់គាត់ក្នុងឆ្នាំ 1990។ ជាមូលដ្ឋាន គោលការណ៍នៃការគណនាសរសៃប្រសាទគឺផ្អែកលើទ្រឹស្តីនៃសកម្មភាពជីវសាស្ត្រ ដូចជាគំនិតដែលត្រូវបានប្រើប្រាស់ដោយខួរក្បាលមនុស្សក្នុងការគណនា។ ភាពខុសគ្នាយ៉ាងខ្លីរវាងទ្រឹស្ដីកុំព្យូទ័រ neuromorphic ធៀបនឹងទ្រឹស្តីកុំព្យូទ័របុរាណ von Neumann ត្រូវបានសង្ខេបនៅក្នុងអត្ថបទមួយដោយ Don Monroe នៅក្នុង សមាគមសម្រាប់គ្រឿងម៉ាស៊ីនកុំព្យូទ័រ ទិនានុប្បវត្តិ។ សេចក្តីថ្លែងការណ៍មានដូចនេះ៖ “នៅក្នុងស្ថាបត្យកម្ម von Neumann ប្រពៃណី ស្នូលតក្កវិជ្ជាដ៏មានអានុភាព (ឬច្រើនស្របគ្នា) ដំណើរការជាបន្តបន្ទាប់លើទិន្នន័យដែលទាញយកពីអង្គចងចាំ។ ផ្ទុយទៅវិញ កុំព្យូទ័រ 'neuromorphic' ចែកចាយទាំងការគណនា និងការចងចាំក្នុងចំណោមចំនួនដ៏ធំនៃ 'ណឺរ៉ូនដើម' ដែលទាក់ទងគ្នាជាមួយណឺរ៉ូនរាប់រយ ឬរាប់ពាន់នាក់ផ្សេងទៀតតាមរយៈ 'synapses' ។  

លក្ខណៈសំខាន់ៗផ្សេងទៀតនៃការគណនា neuromorphic រួមមានការមិនអត់ឱនចំពោះកំហុស ដែលមានបំណងយកគំរូតាមសមត្ថភាពខួរក្បាលរបស់មនុស្សក្នុងការបាត់បង់កោសិកាប្រសាទ ហើយនៅតែអាចដំណើរការបាន។ Analogously នៅក្នុងការគណនាប្រពៃណីការបាត់បង់ត្រង់ស៊ីស្ទ័រមួយប៉ះពាល់ដល់ដំណើរការត្រឹមត្រូវ។ អត្ថប្រយោជន៍ដែលមើលឃើញនិងមានគោលបំណងមួយផ្សេងទៀតនៃការគណនា neuromorphic គឺមិនចាំបាច់ត្រូវបានកម្មវិធី; គោលបំណងចុងក្រោយនេះ គឺជាគំរូម្តងទៀតនៃសមត្ថភាពខួរក្បាលរបស់មនុស្សក្នុងការរៀន ឆ្លើយតប និងសម្របខ្លួនទៅនឹងសញ្ញា។ ដូច្នេះ កុំព្យូទ័រ neuromorphic បច្ចុប្បន្នគឺជាបេក្ខជនដ៏ល្អបំផុតសម្រាប់ការរៀនម៉ាស៊ីន និងកិច្ចការបញ្ញាសិប្បនិម្មិត។ 

វឌ្ឍនភាពនៃ supercomputing neuromorphic

អត្ថបទដែលនៅសេសសល់នឹងបង្ហាញអំពីភាពជឿនលឿននៃ supercomputing neuromorphic ។ ជាពិសេសថ្មីៗនេះ ការស្រាវជ្រាវដែលបានចេញផ្សាយនៅលើ Arxiv ពី Alexander Tait et ។ អាល់ ចេញពីសាកលវិទ្យាល័យព្រីនស្តុន បង្ហាញថា គំរូបណ្តាញសរសៃប្រសាទ photonic ដែលមានមូលដ្ឋានលើស៊ីលីកុន ដំណើរការលើសពីវិធីសាស្រ្តគណនាធម្មតាជិត 2000 ដង។ វេទិកាកុំព្យូទ័រ neuromorphic photonic នេះអាចនាំឱ្យមានដំណើរការព័ត៌មានលឿនបំផុត។ 

The Tait et ។ អាល់ ក្រដាសដែលមានចំណងជើង ណឺរ៉ូម៉ូហ្វីកស៊ីលីកុន តូនិច ចាប់ផ្តើមការពិពណ៌នាអំពីគុណសម្បត្តិ និងគុណវិបត្តិនៃការប្រើប្រាស់ទម្រង់ពន្លឺ photonic នៃវិទ្យុសកម្មអេឡិចត្រូម៉ាញ៉េទិចសម្រាប់កុំព្យូទ័រ។ ចំណុចសំខាន់ដំបូងនៃក្រដាសគឺថា ពន្លឺត្រូវបានប្រើប្រាស់យ៉ាងទូលំទូលាយសម្រាប់ការបញ្ជូនព័ត៌មាន ប៉ុន្តែមិនមែនសម្រាប់ការបំប្លែងព័ត៌មាននោះទេ ពោលគឺកុំព្យូទ័រអុបទិកឌីជីថល។ ដូចគ្នាដែរ ចំពោះការគណនាកង់ទិច មានបញ្ហាប្រឈមជាមូលដ្ឋានចំពោះកុំព្យូទ័រអុបទិកឌីជីថល។ ក្រដាសបន្ទាប់មកចូលទៅក្នុងសេចក្តីលម្អិតនៃវេទិកាកុំព្យូទ័រ neuromorphic photonic ដែលបានស្នើឡើងមុន Tait et ។ អាល់ ក្រុមដែលបានបោះពុម្ពក្នុងឆ្នាំ 2014 ដែលមានចំណងជើង ការផ្សាយ និងទម្ងន់៖ បណ្តាញរួមបញ្ចូលគ្នាសម្រាប់ដំណើរការ photonic spike ដែលអាចធ្វើមាត្រដ្ឋានបាន។. ក្រដាសថ្មីរបស់ពួកគេពណ៌នាអំពីលទ្ធផលនៃការពិសោធន៍សាកល្បងដំបូងនៃបណ្តាញសរសៃប្រសាទដែលរួមបញ្ចូលគ្នា។ 

នៅក្នុងស្ថាបត្យកម្មកុំព្យូទ័រ "ការផ្សាយ និងទម្ងន់" "ថ្នាំង" ត្រូវបានចាត់តាំងជា "ក្រុមហ៊ុនបញ្ជូនប្រវែងរលក" តែមួយគត់ ដែលជា "ការចែករលក ពហុគុណ (WDM)" ហើយបន្ទាប់មកចាក់ផ្សាយទៅ "ថ្នាំង" ផ្សេងទៀត។ “ថ្នាំង” នៅក្នុងស្ថាបត្យកម្មនេះ សំដៅលើការក្លែងធ្វើឥរិយាបទណឺរ៉ូននៅក្នុងខួរក្បាលមនុស្ស។ បន្ទាប់មកសញ្ញា “WDM” ត្រូវបានដំណើរការតាមរយៈតម្រងតម្លៃបន្តដែលហៅថា “មីក្រូរីង (MRR) weight banks” ហើយបន្ទាប់មកបានបូកសរុបតាមអេឡិចត្រូនិកទៅជាតម្លៃវាស់ថាមពលសរុបដែលបានវាស់។ ភាពមិនលីនេអ៊ែរនៃបំលែង/ការគណនាអេឡិចត្រូអុបទិកចុងក្រោយនេះគឺច្បាស់ណាស់ថា ភាពមិនលីនេអ៊ែរដែលតម្រូវឱ្យធ្វើត្រាប់តាមមុខងារណឺរ៉ូន ដែលចាំបាច់សម្រាប់ការគណនាក្រោមគោលការណ៍ neuromorphic ។ 

នៅក្នុងក្រដាស ពួកគេពិភាក្សាថា ឌីណាមិកបំប្លែងអេឡិចត្រូអុបទិកដែលបានផ្ទៀងផ្ទាត់ដោយពិសោធន៍ទាំងនេះគឺដូចគ្នាបេះបិទតាមគណិតវិទ្យាទៅនឹងគំរូ "បណ្តាញសរសៃប្រសាទដែលកើតឡើងដដែលៗ 2-node" (CTRNN)។ លទ្ធផលត្រួសត្រាយផ្លូវទាំងនេះបង្ហាញថាឧបករណ៍សរសេរកម្មវិធីដែលត្រូវបានប្រើសម្រាប់ម៉ូដែល CTRNN អាចត្រូវបានអនុវត្តចំពោះវេទិកា neuromorphic ដែលមានមូលដ្ឋានលើស៊ីលីកុន។ របកគំហើញនេះបើកផ្លូវឆ្ពោះទៅរកការសម្របតាមវិធីសាស្ត្រ CTRNN ទៅនឹងរូបវិទ្យាស៊ីលីកុន neuromorphic ។ នៅក្នុងក្រដាសរបស់ពួកគេ ពួកគេធ្វើការកែប្រែគំរូបែបនេះទៅលើស្ថាបត្យកម្ម "ការផ្សាយ និងទម្ងន់" របស់ពួកគេ។ លទ្ធផលបង្ហាញថា គំរូ CTRNN ក្លែងធ្វើនៅលើស្ថាបត្យកម្ម 49-node របស់ពួកគេ ផ្តល់លទ្ធផលនៃស្ថាបត្យកម្មកុំព្យូទ័រ neuromorphic ដើម្បីដំណើរការគំរូកុំព្យូទ័របុរាណដោយ 3 លំដាប់នៃរ៉ិចទ័រ។