Научный дайджест №18 / Аналитика

⇡#Новый симулятор функций мозга от IBM

Мозг и современные компьютеры работают по совершенно разным принципам. Традиционный ПК с архитектурой фон Неймана оперирует упорядоченными последовательными командами. Он может хранить огромное количество информации, но это само по себе не гарантирует высокого интеллектуального потенциала. Несмотря на впечатляющее увеличение мощности компьютеров, до сих пор со многими задачами человек справляется лучше. В компьютере информационный обмен между командами опосредован через память, которая является «бутылочным горлышком» системы. Компьютер работает через центральный процессор для управления данными по одному блоку в единицу времени. Даже если процессоров в системе много, они все работают линейно и последовательно.

Мозг же лишен такого узкого места. Он включает миллиарды автономных вычислительных блоков — нейронов, которые функционируют одновременно, асинхронно, отличаются специализацией и не боятся ошибок (тогда как малейшие неточности в работе цифрового компьютера могут привести к серьёзным сбоям). То есть, в отличие от традиционного ПК, мозг оперирует непосредственно ёмкими образами, которые в нём возникли, и образное мышление в нём не отделено от памяти, где эти образы запечатлены. С учетом всех принципиальных отличий мозга от ПК, неудивительно, что для эмуляции функций мозга в режиме реального времени традиционный компьютер не подходит. Эта задача требует построения систем с принципиально новой архитектурой, таких как оптоэлектронные компьютеры или системы на основе нейронных сетей.

Рис. 1. Мозг и компьютер

Попытки создать компьютер, имитирующий работу мозга, ведутся уже давно. Среди крупнейших таких проектов выделяется исследование SyNAPSE компании IBM, поддерживаемое агентством передовых оборонных исследовательских проектов DARPA. Специалисты из IBM уже разработали целую архитектуру TrueNorth, которая представляет собой сеть из огромного количества нейросинаптических ядер.

Рис. 2. Архитектура нейросинаптического ядра TrueNorth

Особенностями данной архитектуры являются малая потребляемая мощность, компактность, модульная структура и высокая масштабируемость. Каждое ядро включает в себе вычислительную часть (нейроны), память (синапсы), межъядерные связи (аксоны). Как объясняют разработчики, ядра управляются не тактами, а событиями, немедленно отвечая на прерывания в момент их возникновения, могут менять конфигурацию и потребляют очень мало энергии. Между собой ядра общаются следующим образом: нейроны ядра-источника направляют импульсы аксонам ядра-приёмника. По аналогии со структурой мозга, ядра играют роль так называемых канонических микросхем серого вещества, а межсоединения представляют собой связи белого вещества.

В новейшей публикации Compass: A scalable simulator for an architecture for Cognitive Computing учёные описывают новый симулятор Compass для архитектуры TrueNorth. Эксперименты проводились с использованием суперкомпьютера IBM Blue Gene/Q, который включает 262144 процессора и 256 Тбайт системной памяти. Compass позволил смоделировать работу 256 миллионов ядер TrueNorth с 65 млрд нейронов и 16 трлн синапсов. В человеческом мозгу примерно в три раза меньше нейронов, чем в испытуемой системе. При этом по количеству синапсов тестовый стенд сравним с мозгом обезьяны и примерно в 10 раз уступает мозгу человека. При средней частоте нейронных импульсов 8,1 Гц симуляция проводилась всего в 388 раз медленнее реального времени. Это значимое достижение по сравнению с другими подобными исследованиями.

Рис. 3. Симуляция связей в нейросинаптических ядрах и между ними с помощью Compass

Изначально учёные не ставили перед собой задачу реалистично смоделировать работу мозга. Нужно не только наращивать количество искусственных нейронов, но и знать схемы их соединения и алгоритм, управляющий ими. Но имеющиеся на сегодняшний день знания уже можно использовать для реализации некоторых функций, требующих такого же, как у мозга, типа мышления. Среди таких приложений отмечаются имитация механизмов внимания, классификация изображений и звуков, распознавание символов, навигация роботов и так далее.

Compass существенно отличается от симуляторов предыдущих поколений, в частности C2. Базовой структурной ячейкой для хранения данных вместо синапса является так называемое нейросинаптическое ядро, что позволяет в 32 раза сократить требуемую ёмкость памяти. Кроме того, Compass поддерживает эмуляцию внутриядерных и межъядерных связей. Эта функция не имеет аналога в C2. Также Compass больше подходит для аппаратной реализации, полнее использует возможности суперкомпьютера Blue Gene/Q благодаря полностью многопоточной программной модели. Полученные с помощью Compass результаты можно использовать для реализации эмулируемых функций в реальном чипе.

С использованием Compass и базы данных проекта CoCoMac (который на протяжении нескольких десятилетий занимается трассировкой связей между нейронами в мозге макаки) учёные создали симуляцию работы мозга обезьяны. Для экспериментальной сети была использована карта мозга из 77 зон.

Рис. 4. Карта мозга макаки из 77 зон для тестовых испытаний

Можно долго говорить о фантастических перспективах подобных нейрокомпьютерных разработок. Но множество тайн функционирования мозга человека ещё не разгадано, а значит, создание его достойного искусственного аналога остаётся пока лишь мечтой. Безусловно, Compass позволит улучшить интеллектуальные сервисы, такие как IBM Watson, но о каком-то революционном прорыве и приближении эры «терминаторов» речь не идёт.

Рис. 5. Терминатор

⇡#Датчики с собачьим нюхом

Расскажем ещё об одном исследовании, которое ведётся на стыке нескольких дисциплин, в данном случае — физиологии, биотехнологий и электроники. Собаки часто используются для поиска взрывчатых веществ. Но у этого поискового инструмента есть весомый недостаток. Как и человек, животное может устать, отвлечься, ошибиться. Кроме того, собаку нужно надрессировать специальным образом, а потом ещё и постоянно кормить.

Рис. 6. Служебная собака

Исследователи из Калифорнийского университета в Санта-Барбаре (UCSB) сумели разработать устройство с такой же или даже лучшей чувствительностью, чем у собачьего носа. Используемая технология представляет собой симбиоз принципов механической инженерии и химии. Результаты экспериментального тестирования нового устройства представлены в публикации Free-Surface Microfluidics/Surface-Enhanced Raman Spectroscopy for Real-Time Trace Vapor Detection of Explosives.

Детектор может определять находящиеся в воздухе молекулы 2,4-динитротолуола, которые являются первичным паром, исходящим из взрывчатых веществ на основе тринитротолуола. Нос человека не способен распознать такое незначительное количество вещества, тогда как для собаки эта задача вполне по силам. Предложенная американскими учёными технология использует биологическую структуру слизи обонятельного эпителия носа собаки, которая поглощает молекулы вещества и сосредотачивает их в одной области. Прибор способен обнаруживать и распознавать в режиме реального времени молекулы определённых типов концентрацией порядка 1 ppb (частей на миллиард).

Инновационный детектор выполнен в виде миниатюрной кремниевой микросхемы, которую можно разместить на кончике пальца. Для захвата и распознавания молекул в нём используется совокупность двух хитроумных технологий — так называемой микрофлюидики свободной поверхности и спектроскопии поверхностно усиленного рамановского рассеяния (SERS). Микроскопический канал с жидкостью, который в двадцать раз тоньше человеческого волоса, поглощает и сосредотачивает молекулы, увеличивая их концентрацию на шесть порядков. Поглощённые молекулы образуют связи с наночастицами, которые играют роль усилителей их спектральных сигнатур. Для распознавания молекулы используется компьютерная база данных спектральных сигнатур. Сами сигнатуры определяются лазерным пучком, направленным на камеру с сосредоточенными молекулами.

Рис. 7. Концепт устройства с микрофлюидными каналами, в которых молекулы вещества образуют связи с наночастицами

Хотя в своей работе учёные проводили эксперименты только со взрывчатыми веществами, область применения технологии гораздо шире. Её можно использовать также и для определения молекул других типов. Детекторы на основе новой технологии смогут определять наркотические вещества, испорченную еду, сигнализировать о болезнях по анализу частиц, содержащихся в выдыхаемом воздухе.

Разработанная технология уже запатентована исследователями.

⇡#Интеграция портативных устройств в Smart Grid

Пока одни учёные работают на далёкую перспективу в области создания искусственного интеллекта, другие пытаются спасти человечество от энергетического кризиса уже сегодня. Так, многие страны стремятся увеличить долю электричества, генерируемого возобновляемыми источниками энергии. При этом современные электрические сети не обеспечивают достаточно большой ёмкости для накопления энергии. Этот факт препятствует широкому внедрению систем альтернативной энергетики, таких как фотогальванические генераторы или ветряные электростанции. Ведь выходная мощность данных источников энергии может резко меняться со временем, её величина непредсказуема. Чтобы обеспечить потребителей стабильным питанием даже в дни с сильной облачностью и безветренной погодой, можно предложить два варианта — строить традиционные электростанции с большим запасом избыточной мощности и «извлекать» её при необходимости либо сформировать инфраструктуру для длительного хранения электроэнергии (например, аккумуляторные батареи). Реализация обоих этих подходов требует огромных денежных затрат.

Но есть и ещё один вариант, менее затратный и не требующий установки и обслуживания дорогого массивного оборудования, — использование так называемой технологии интеллектуальных энергосетей (smart grids), один из аспектов которой предусматривает методику регулирования спроса (demand control techniques). Smart Grid позволяет регулировать потребление энергии, сдвигая его по времени. Многие бытовые устройства можно запускать в ночное время, что позволит не только уменьшить нагрузку на сети днём, но и обеспечить пользователя более дешевым электричеством.

В настоящее время ведутся активные исследования, нацеленные на внедрение технологий регулирования спроса в потребительские продукты. Есть и примеры реализованных коммерческих проектов. Британская компания Open Energi недавно запустила в продажу линейку холодильников с поддержкой demand control, которая, по подсчётам маркетологов, на протяжении десяти лет поможет сократить выбросы углекислого газа на традиционных электростанциях на 100 тысяч тонн. Интересуются учёные также и внедрением Smart Grid-технологий в электромобили. В работе Implementation and Evaluation of an IPT Battery Charging System in assisting Grid Frequency Stabilization through Dynamic Demand Control описан механизм индуктивной передачи энергии при зарядке электромобилей, который чувствителен к колебаниям частот в сети. Активно ведётся разработка технологий, которые позволяют согласовывать период зарядки электромобилей со степенью загрузки интеллектуальной электросети.

Группа исследователей из Университета Глазго решила также расширить сферу применения концепции demand control портативными устройствами, такими как ноутбуки, мобильные телефоны, планшетные компьютеры. Эти устройства даже без каких-либо дополнительных аппаратных изменений уже являются довольно приспособленными к «умным» технологиям с точки зрения управления электроэнергией. Они включают встроенный аккумулятор, способны выполнять сложные алгоритмы, необходимые для интеллектуальной зарядки, и могут общаться с другими устройствами через Интернет для обмена информацией о статусе интеллектуальной электросети.

В публикации Smart Charging Technologies for Portable Electronics Devices исследователи выделяют основные принципы работы портативных устройств в интеллектуальной электросети. Во-первых, терминал должен получать актуальную информацию о том, в какой части электросети есть недостаток или избыток мощности. Это можно организовать с помощью централизованного сервера в Интернете, путём измерения частоты в сети или с использованием высокочастотных амплитудных модуляций. Для сетей Великобритании частота свыше 50 Гц означает избыток мощности, тогда как значение меньше 50 Гц свидетельствует о перегрузке. Далее, в зависимости от состояния сети, текущего статуса зарядки аккумулятора устройства и привычек пользователя, специальный контроллер выбирает оптимальную стратегию зарядки. Такой контроллер можно интегрировать непосредственно в оборудование (адаптер питания или сам терминал) либо заменить его программным обеспечением, которое управляло бы зарядкой. Для каждого пользователя предусматривается свой собственный профиль. Ведь один пользователь, например, любит всегда полностью заряжать ноутбук, а другой с целью продления жизни батареи поддерживает заряд аккумулятора на уровне 40-60%.

Рис. 8. Иллюстрация управления процессом зарядки в обычном ноутбуке (A), ноутбуке со встроенным контроллером (B) и ноутбуке со специальным ПО (C)

Если обычный ноутбук подключен к источнику питания, аккумулятор непрерывно заряжается до полной емкости. В случае с ноутбуком, который совместим со Smart Grid, зарядка может периодически прерываться в те моменты времени, когда потребление энергии в сети превышает допустимое в данное время. Как отмечают ученые, применение интеллектуальной зарядки не приведёт к сокращению срока службы литий-ионного аккумулятора, так как разрушение батареи практически не зависит от глубины разрядки.

На данный момент аккумуляторы портативной электроники отличаются довольно малой ёмкостью. Поэтому ощутимого эффекта внедрение интеллектуальной зарядки на первых порах не принесёт. Но с увеличением ёмкости батарей и ростом количества портативных устройств этот эффект будет всё значительнее. Также в будущем эта технология поможет пользователям экономить деньги. По некоторым прогнозам, плата за электроэнергию в будущем будет варьироваться в зависимости не только от времени суток потребления, но и от текущего уровня загруженности сети.

В рамках экспериментальной части исследователи спроектировали две версии прототипа, в которых реализована предлагаемая концепция интеллектуальной зарядки ноутбука. В будущем также планируется добавить ещё несколько функций, таких как введение порогового значения для уровня зарядки, при достижении которого процесс зарядки игнорирует зависимость от текущей частоты сети, и использование нейронных сетей для исследования алгоритмов интеллектуальной зарядки.