A Motiv NT de Novosibirsk, que desenvolve sistemas de visão e soluções de hardware para sua operação, publicou código-fonte aberto para criar, treinar e usar redes neurais pulsadas. O desenvolvimento é baseado na plataforma KNP com um pacote de software e um emulador de processador neuromórfico Altai (Altai). Isso torna possível desenvolver e testar algoritmos para trabalhar em hardware neuromórfico.
O que é um processador neuromórfico?
Um processador neuromórfico (NP) é um dispositivo de computação que funciona com base no princípio das redes neurais biológicas. Ao contrário das CPUs e GPUs clássicas, os processadores neuromórficos visam minimizar a dependência da arquitetura de von Neumann, na qual os dados estão constantemente se movendo entre a memória e o núcleo de computação. A informação é armazenada em neurônios artificiais, o que reduz o número de vezes que a memória é acessada. Isso reduz o consumo de energia e aumenta a velocidade de processamento.
Ou seja, os processadores convencionais executam instruções sequencialmente, enquanto os processadores neuromórficos executam instruções em paralelo, semelhante ao que o cérebro faz. Eles usam memória distribuída e computação, onde os dados são armazenados diretamente em elementos que imitam neurônios e sinapses.
As sinapses são conexões entre neurônios que transmitem sinais em sistemas biológicos. No NP, eles são implementados na forma de circuitos eletrônicos que regulam a força da transmissão do sinal de um neurônio para outro. O peso de uma sinapse determina o quanto a ativação de um neurônio afeta a ativação de outro neurônio associado. O peso pode mudar durante o treinamento, permitindo que a rede se adapte a novos dados.
Os processadores neuromórficos funcionam com base em Redes Neurais de Pico (SNN). Nessas redes, os neurônios não trocam valores contínuos (como nas redes neurais tradicionais), mas pulsos curtos chamados picos.
Os neurônios nas SNNs só são ativados quando há entradas significativas. Se os dados de entrada estiverem ausentes ou forem insignificantes, os neurônios permanecerão em repouso, o que reduz o consumo de energia em estados inativos.
Por que os processadores neuromórficos são importantes:
-
Eficiência energética. Eles consomem muito menos energia do que os processadores convencionais, especialmente ao reconhecer imagens, vozes ou treinar sistemas de inteligência artificial.
-
Velocidade. Os NPs podem resolver rapidamente problemas complexos porque processam dados em paralelo e não acessam a memória com tanta frequência.
-
Processamento de dados em tempo real. Esses processadores são adequados para aplicações que exigem resposta rápida a alterações de dados, como carros autônomos, robôs e processamento de sinais.
-
Capacidade de aprender em dispositivos. O baixo consumo de energia permite que os modelos de aprendizado de máquina sejam treinados diretamente no dispositivo, sem enviar dados para a nuvem.
Plataforma KNP e seus recursos
A plataforma KNP é uma ferramenta para o desenvolvimento de sistemas que podem se autoaprender e se adaptar em tempo real. Esses sistemas imitam os princípios das redes neurais do cérebro humano e executam tarefas que exigem processamento e análise rápidos de grandes quantidades de dados. A plataforma usa aprendizado de máquina neuromórfico, que é usado na fabricação, veículos não tripulados, robótica, VR/AR e interfaces de fala.
KNP é um ecossistema para desenvolvimento de SNN que inclui:
-
Emulador AltAI, um modelo digital de um processador neuromórfico para testes de rede;
-
ANN2SNN pacote – um conversor de redes neurais convencionais (RNA) em redes neurais pulsadas (SNN);
-
APIs e bibliotecas para integração com Python, ROS (Robot Operating System) e controladores industriais.
O que é o AltAI-1 NP
AltAI-1 é um circuito integrado ultragrande que imita a operação dos sistemas biológico, sensorial e nervoso. Projetado para trabalhar com redes neurais de pico que podem ser criadas usando as ferramentas da plataforma ou por meio das camadas ternárias do pacote ANN2SNN.
Arquitetura e princípio de funcionamento do AltAI-1
O AltAI é baseado no conceito de “computação em memória”, onde o processamento de dados ocorre diretamente nas células de memória, eliminando a necessidade de mover constantemente as informações entre a memória e o processador.
Para começar a trabalhar com uma rede neural pulsada, você precisa conectar o backplane com o AltAI-1 NP ao seu computador via interfaces PCI-E ou USB.
O principal elemento do SNN é o neurônio, que possui um conjunto de conexões de entrada (dendritos) e uma saída (axônio). O estado de um neurônio é determinado por seu potencial de membrana.
-
Em repouso, este potential é de aproximadamente -70 mV, o que significa que o interior da membrana é carregado negativamente em relação ao exterior.
-
Quando o potencial de membrana atinge um valor limite (geralmente em torno de -55 mV), o neurônio gera um impulso chamado pico, que é transmitido através do axônio para outros neurônios. Esse processo é conhecido como potencial de ação (PA).
-
Durante a geração do pico, a membrana é temporariamente “recarregada”: o lado interno torna-se carregado positivamente em relação ao lado externo, o que permite que o neurônio se prepare para a próxima ativação.
-
O mecanismo de vazamento é um processo no qual o potencial de membrana diminui gradualmente se o neurônio não for ativado. Isso imita o comportamento natural dos neurônios biológicos, onde o potencial diminui com o tempo se não houver estimulação.
Os principais componentes do AltAI-1 são núcleos de computação. Cada núcleo combina um grupo de neurônios e memória local para armazenar seus parâmetros:
-
valores limiares de ativação neuronal;
-
pesos de sinapses;
-
o potencial de membrana atual de cada neurônio.
O comportamento dos neurônios é simulado usando uma máquina de estados que simula os processos de despolarização, geração de picos e restauração do potencial de membrana.
A sincronização do trabalho de todos os neurônios no SNN é realizada usando um sinal de tique global. Após cada tick, os núcleos computacionais atualizam os potenciais de membrana dos neurônios e, se necessário, geram e transmitem picos.
-
Em um “tique”, cada núcleo realiza até 262.144 operações sinápticas.
-
A frequência do sinal de “tick” é limitada a 2 kHz.
-
Uma única operação sináptica é realizada em um único ciclo de clock de um sinal de sincronização de 600 MHz.
Isso significa que, embora cada núcleo seja capaz de lidar com um grande número de sinapses, a velocidade geral do processador é determinada pela taxa de tiques.
A arquitetura AltAI-1 é uma rede bidimensional regular de núcleos de computação. Cada núcleo tem conexões diretas com quatro núcleos adjacentes, o que permite a transferência local eficiente de picos.
Para transmitir sinais entre neurônios localizados em núcleos distantes, é usado um mecanismo de roteamento de picos através de uma rede de núcleos. Isso permite que você altere o potencial do neurônio, que é modelado sob a influência de impulsos de outros núcleos.
As redes neurais tradicionais (CNN, RNN) exigem enormes recursos de computação e custos de energia. Por exemplo, o treinamento GPT-3 exigiu 1.287 MWh – o mesmo que 120 casas em um ano. Os sistemas neuromórficos resolvem esse problema oferecendo uma alternativa “verde” para dispositivos de borda (sensores, câmeras, drones), onde a autonomia e a velocidade são importantes.
Resultados do desenvolvimento atual:
-
Um protótipo do AltAI-1 NP foi criado e testado com sucesso usando um padrão tecnológico de 28 nanômetros. Os chips estão integrados ao estojo e passaram em todos os testes necessários.
-
Foi desenvolvido um módulo acelerador que combina 8 protótipos AltAI-1 para aumentar o poder de computação.
-
Foi criada uma placa que suporta a conexão de até 16 módulos aceleradores neuromórficos. Ele fornece uma interface amigável para interagir com seu computador.
-
Foi desenvolvido um SDK que inclui ferramentas para trabalhar com o processador, bem como funções para converter redes neurais tradicionais (RNAs) em redes pulsadas (SNNs). Isso facilita a integração do processador em sistemas existentes.
Por que precisamos de processadores neuromórficos?
-
Medicina. Os NPs são capazes de processar imagens médicas (ressonância magnética, raio-X) com alta velocidade e precisão. Isso ajuda os médicos a fazer diagnósticos mais rapidamente e detectar doenças nos estágios iniciais. Esses processadores podem ser incorporados em próteses biônicas. Um braço artificial com um chip neuromórfico pode “entender” os sinais dos músculos e se mover da mesma maneira que uma mão real.
-
Veículos autônomos. Os carros autônomos precisam processar rapidamente grandes quantidades de dados de câmeras, radares e outros sensores. Os processadores neuromórficos analisam essas informações em tempo real, ajudando a evitar acidentes e a se adaptar às difíceis condições da estrada.
-
IA de borda. Os processadores neuromórficos são ideais para dispositivos que precisam processar dados em tempo real, como câmeras e sensores inteligentes. Eles funcionavam localmente, sem a necessidade de conexão com a nuvem, o que reduz a latência e prolonga a vida útil da bateria.
-
Robótica. Sistemas neuromórficos melhoram a perc sensoriale a capacidade dos robôs de tomar decisões. Isso permite que eles naveguem melhor em ambientes complexos, reconheçam objetos e interajam com as pessoas. Por exemplo, robôs em armazéns podem classificar mercadorias com eficiência ou executar outras tarefas com alta precisão.
-
Pesquisa neurobiológica. Os NPs ajudam os cientistas a estudar como o cérebro funciona, simulando redes neurais. Isso permite uma compreensão mais profunda dos processos cognitivos e pode levar a novas descobertas em neurociência e medicina.
Conclusão
Os processadores neuromórficos não são apenas um passo à frente na computação, eles são uma oportunidade para criar sistemas mais inteligentes, mais eficientes em termos de energia e adaptáveis que serão capazes de resolver problemas anteriormente inacessíveis às tecnologias tradicionais.
