Pas avancimit të shpejtë të mjeteve të inteligjencës artificiale (IA), inxhinierët në të gjithë botën kanë punuar mbi arkitektura dhe komponentë të rinj hardware që riprodhojnë organizimin dhe funksionet e trurit të njeriut.
Shumica e teknologjive të frymëzuara nga truri të krijuara deri më tani marrin frymëzim nga shkrepjet e qelizave të trurit (d.m.th., neuronet), në vend që të pasqyrojnë strukturën e përgjithshme të elementeve nervore dhe si kontribuojnë ata në përpunimin e informacionit.
Studiuesit në Universitetin Tsinghua kohët e fundit prezantuan një arkitekturë të re llogaritëse neuromorfike të dizajnuar për të riprodhuar organizimin e sinapseve (d.m.th., lidhjet midis neuroneve) dhe strukturën e degëzuar të dendriteve (d.m.th., projeksionet që shtrihen nga trupi i neuroneve).
Ky sistem i ri artificial i ngjashëm me trurin, i prezantuar në një artikull të botuar në Nature Electronics, u realizua duke përdorur një model llogaritës të transistorëve me shumë porta të nanofijeve të silikonit me filma sol-xhel të dopuar me jone.
“Kur isha student i masterit në IA dhe bioinxhinieri të trurit në Politeknikun e Milanos në Itali, e konceptova idenë për të imituar sparsitetin dhe morfologjinë e lidhjes së trurit, të tillë si atë të dendriteve të neuroneve, për të dizajnuar IA efikase,” tha Carlo Vittorio Cannistraci, një nga autorët korrespondentë, për Tech Xplore.
“Unë gjithashtu isha i fascinuar nga eleganca e mekanizmave të trurit si ‘sinapset e heshtura’ të cilat aktivizohen kur janë të rrethuara nga një aktivizim elektrik i shtuar.”
Duke marrë frymëzim nga studimet e tij të mëparshme dhe interesat kërkimore, Cannistraci kohët e fundit vendosi të realizojë mekanizmat kompleks të trurit. Si pjesë e këtij studimi të fundit, ai u bashkua me studiues të tjerë në Universitetin Tsinghua për të riprodhuar morfologjinë e dendriteve dhe bazat e sinapseve duke përdorur një model llogaritës neuromorfik.
“Një ditë, Carlo më kërkoi të studioj ‘Llogaritjen Dendritike’ pasi studimi ynë i mëparshëm bashkëpunues mbi ‘neurotransistorët’ kishte potencialin për të imituar vetitë dendritike,” tha Eunhye Baek, një nga autorët korrespondentë, për Tech Xplore.
“Prof. Luping Shi dhe unë kishim kërkuar mënyra për të zhvilluar një sistem sensor vizual neuromorfik, dhe ne e njohëm potencialin në këtë qasje.
“Interesi im gjithmonë ka qenë të ndërtoj një sistem dinamik përpunimi informacioni më shumë të ngjashëm me trurin/neuroneve. Llogaritja dendritike më emocionoi shumë, sepse ajo përfshin një gamë të gjerë të vetive dinamike dhe komplekse, të cilat ende nuk janë studiuar gjerësisht në inxhinierinë neuromorfike.”
Shumica e kërkimeve në llogaritjen neuromorfike të kryera deri më tani janë përqendruar në riprodhimin e proceseve sinaptike të lidhura me mësimin dhe në riprodhimin artificial të gjenerimit të valëve neuronale. Këto studime shpesh modelonin dendritet si linja të thjeshta transmetimi, duke injoruar funksionet e lidhura me morfologjinë e tyre unike.
“Dendritet përdorin morfologjinë e tyre të degëzuar për të hartuar sinjale të shpërndara hapësinore, duke shfaqur plasticitet të degëve specifike dhe duke integruar sinapse të ndryshme,” shpjegoi Baek.
“Çdo degë dendritike është veçanërisht e ndjeshme ndaj sinjaleve me drejtim specifik, duke i bërë ato të specializuara për përpunimin e sinjaleve hapësinore dhe kohore. Kërkimi ynë fokusohet në këto funksione komplekse dendritike.”
Cannistraci, Shi, Baek dhe bashkëpunëtorët e tyre dizajnuan dhe zhvilluan një pajisje të re që pasqyron morfologjinë dhe funksionin e dendriteve biologjike. Kjo pajisje, e quajtur “dendristor,” imiton llogaritjet e kryera nga dendritet, duke shfrytëzuar fizikën e transistorëve me shumë porta të veshur me një film sol-xhel të dopuar me jone.
“Ky imiton degët dendritike duke lejuar jone të dopuara të lëvizin në mënyrë të ngjashme me jonet në dendritet neuronale, duke moduluar rrymën e transistorit për të reflektuar ndryshimet në potencialin e membranës dendritike,” tha Baek. “Studimi ynë demonstron se dendristori shfaq integrim nonlinear dendritik dhe selektivitet drejtimi.”
Përveç pajisjes dendristor, artikulli i fundit nga kjo grup kërkimor prezanton një sinaps artificial të heshtur. Në këtë sistem, voltazhi i degëve të dendristorit në filmin sol-xhel siguron që sinapset hyrëse të aktivizohen vetëm kur filmi arrin një prag specifik, duke përmirësuar aftësinë e sistemit për të dalluar drejtimin e stimujve vizualë në lëvizje.
“Ne gjithashtu krijuam një qark neuromorfik dendritik që llogarit drejtimin e sinjaleve në lëvizje, i frymëzuar nga qarku nervor i retinës dhe korteksit vizual,” tha Baek. “Ky qark tregon aftësinë për të zbuluar sinjale që lëvizin në 2D dhe në thellësi, duke i integruar ato për të rikonstruktuar drejtimin e lëvizjes së objekteve në hapësirën 3D.”
Duke pasqyruar nga afër lidhjet e rralla të neuroneve dendritike, qasja e re llogaritëse neuromorfike e prezantuar nga Cannistraci, Baek dhe kolegët e tyre u gjet se arriti efikasitet të jashtëzakonshëm energjetik. Në fakt, ky sistem demonstron potencialin për të zbuluar lëvizjen duke përdorur më pak neurone se rrjetet ekzistuese nervore artificiale (RNA).
Përparësia kryesore e kësaj arkitekture të re është se ajo shkon përtej riprodhimit të aspekteve funksionale të neuroneve biologjike. Në kontrast me platformat ekzistuese të llogaritjes neuromorfike, ajo gjithashtu riprodhon strukturën dhe lidhjet e rralla të neuroneve, duke përfshirë morfologjinë e dendriteve dhe bazat e sinapseve të heshtura.
“Edhe pse ka qasje të ndryshme në kërkimet neuromorfike për të realizuar inteligjencën, studimi ynë në mënyrë unike tregon rëndësinë e morfologjisë së neuroneve dhe lidhjeve të tyre sinaptike në përpunimin dinamik të sinjaleve,” tha Baek.
“Ne arritëm këtë duke imituar mënyrën se si neuronet biologjike formojnë qarqe nervore funksionale me hartimin hapësinor të rrallë të sinapseve hyrëse, duke theksuar sa e rëndësishme është kjo morfologji për përpunimin efikas të informacionit neuromorfik.”
Veçanërisht, kjo grup kërkimor ishte e pari që demonstronte se pozicioni hapësinor i sinapseve frenuese dhe të heshtura gjithashtu mund të kontrollojë përpunimin e sinjaleve nga neuronet në sistemet neuromorfike. Kjo perspektivë mund të udhëzojë dizajnin e modeleve dhe arkitekturave të tjera llogaritëse që riprodhojnë sinapset e heshtura.
“Sparsiteti dhe morfologjia janë kuptuar dhe përdorurnë mënyrë të dobët për të ndërtuar IA-në e gjeneratës së ardhshme,” tha Cannistraci. “Studimi ynë është i pari që tregon se si të shfrytëzohen këto dy veçori të rrjeteve reale të trurit për të dizajnuar rrjetet nervore neuromorfike të gjeneratës së ardhshme për IA efikase.”
Përpjekjet e fundit të Cannistraci, Baek dhe kolegëve të tyre mund të hapin së shpejti rrugë të reja dhe emocionuese për inxhinierinë e sistemeve neuromorfike të bazuara në pajisje gjysmëpërçuese. Konkretisht, dizajni i tyre i frymëzuar nga truri mund të kontribuojë në zhvillimin e pajisjeve dhe mjeteve të IA që konsumojnë më pak energji, duke hapur rrugën për llogaritje më të qëndrueshme.
Në studimet e tyre të ardhshme, studiuesit planifikojnë të zgjasin më tej qarqet e tyre nervore artificiale, duke përdorur lidhje frenuesi të avancuara që mund të përmirësojnë më tej klasifikimin e sinjaleve vizuale dinamike. Për ta bërë këtë, ata do të përpiqen të imitojnë nga afër lidhjet nervore të vëzhguara në tru në fazat e tij të hershme të zhvillimit.
“Ne planifikojmë të zhvillojmë arkitektura të reja të rrjetit neuromorfik dendritik që kryejnë mësim të thellë dhe mund të zgjidhin detyra të tjera të IA përveç perceptimit vizual, siç janë analiza e serive kohore dhe detyrat auditive,” shtoi Cannistraci.
“Për më tepër, ne dëshirojmë të zhvillojmë qarqe multimodale që mund të përpunojnë dhe korrelacionojnë hyrjet ndijore të tipeve të ndryshme si vizuale dhe akustike së bashku. Më në fund, ne dëshirojmë të zgjasim këtë paradigmë të llogaritjes së rrallë dhe morfologjike në llojet klasike të rrjeteve nervore artificiale që janë të implementuara në hardware digjital.”
Më shumë informacione: Eunhye Baek et al, Neuromorphic dendritic network computation with silent synapses for visual motion perception, Nature Electronics (2024). DOI: 10.1038/s41928-024-01171-7
