Rozwój sztucznej inteligencji coraz częściej napędzany jest przez rozwiązania inspirowane funkcjonowaniem ludzkiego mózgu. Najnowszym przykładem jest układ scalony opracowany przez naukowców z Chin, który – według autorów badań – potrafi rekonstruować złożone struktury mózgu nawet do 478 razy szybciej niż procesor graficzny Nvidia A100. Osiągnięcie może znacząco przyspieszyć obrazowanie neurologiczne, wspomóc neurochirurgię oraz otworzyć nowe możliwości dla interfejsów mózg–komputer i medycyny spersonalizowanej.
Z tego artykułu dowiesz się…
- Dlaczego nowy chiński czip neuromorficzny może działać nawet 478 razy szybciej niż procesor graficzny Nvidia A100 podczas rekonstrukcji struktur mózgu,
- Na czym polega architektura przetwarzania w pamięci (Processing-in-Memory) i dlaczego pozwala znacząco przyspieszyć obliczenia oraz ograniczyć zużycie energii,
- Jakie zastosowania kliniczne może znaleźć nowa technologia – od diagnostyki choroby Alzheimera po śródoperacyjną neuronawigację i interfejsy mózg–komputer,
- Dlaczego opracowanie naukowców z Uniwersytetu Pekińskiego i Chińskiej Akademii Nauk może przyspieszyć rozwój nowoczesnych technologii medycznych opartych na sztucznej inteligencji.
Chińscy naukowcy stworzyli czip inspirowany działaniem mózgu
Zespół badaczy z Uniwersytetu Pekińskiego oraz Chińskiej Akademii Nauk opracował 40-nanometrowy układ pamięci wykorzystujący architekturę przetwarzania w pamięci (Processing-in-Memory, PIM). W przeciwieństwie do klasycznych komputerów, w których pamięć i jednostka obliczeniowa funkcjonują oddzielnie, nowy chip wykonuje obliczenia bezpośrednio w miejscu przechowywania danych.
Takie rozwiązanie eliminuje konieczność ciągłego przesyłania ogromnych ilości informacji pomiędzy procesorem, a pamięcią. W efekcie znacząco zmniejsza opóźnienia oraz ogranicza zużycie energii, co jest jednym z największych wyzwań współczesnych systemów sztucznej inteligencji i wysokowydajnych komputerów. Nowy układ został zaprojektowany przede wszystkim z myślą o rekonstrukcji niezwykle skomplikowanej powierzchni ludzkiej kory mózgowej, której analiza wymaga przetwarzania ogromnych zbiorów danych.
Nawet 478 razy szybciej niż Nvidia A100
Najbardziej spektakularnym wynikiem badania jest osiągnięta wydajność. Według autorów publikacji nowy układ rekonstruuje złożoną powierzchnię mózgu w czasie krótszym niż pół sekundy. W zależności od rodzaju wykonywanego zadania działa od 50 do nawet 478 razy szybciej niż system wykorzystujący procesor graficzny Nvidia A100, który obecnie należy do najczęściej wykorzystywanych akceleratorów AI w centrach danych oraz badaniach naukowych.
Tak znaczące przyspieszenie wynika z całkowicie odmiennej architektury układu. Zamiast klasycznego modelu przetwarzania danych chip wykorzystuje architekturę, w której pamięć i obliczenia funkcjonują jako jeden zintegrowany system. Ograniczenie przesyłania danych pomiędzy oddzielnymi elementami komputera pozwala wykonywać obliczenia szybciej, efektywniej oraz przy znacznie niższym poborze energii.
Memrystory zamiast klasycznej pamięci
Jednym z najbardziej innowacyjnych elementów konstrukcji są memrystory zmiennofazowe. Dotychczas charakterystyczny dla nich tzw. dryf przewodności był uznawany za wadę ograniczającą precyzję działania. Chińscy naukowcy postanowili jednak wykorzystać tę właściwość jako element procesu obliczeniowego. Dzięki temu układ może wykonywać obliczenia związane z dynamiką neuronową bez konieczności stosowania dodatkowych mechanizmów programowych. Pozwala to uzyskać bardzo wysoką szybkość działania przy jednoczesnym ograniczeniu zapotrzebowania na energię.
To przykład coraz częściej obserwowanego trendu w projektowaniu nowoczesnych procesorów neuromorficznych, które zamiast odwzorowywać klasyczne komputery próbują naśladować sposób przetwarzania informacji przez ludzki mózg.
Dlaczego rekonstrukcja powierzchni mózgu jest tak trudnym zadaniem?
Ludzka kora mózgowa nie jest gładką strukturą. Tworzą ją liczne zakręty i bruzdy zwiększające powierzchnię mózgu, dzięki czemu w ograniczonej objętości czaszki może zmieścić się ogromna liczba neuronów. Precyzyjne odtworzenie tej złożonej geometrii jest jednym z najtrudniejszych etapów analizy obrazów uzyskiwanych podczas rezonansu magnetycznego.
Dotychczas wymagało ono wykorzystania bardzo wydajnych komputerów oraz długiego czasu obliczeń, co ograniczało możliwość stosowania takich analiz w sytuacjach wymagających natychmiastowej decyzji klinicznej. Nowy układ może znacząco skrócić ten proces i umożliwić wykonywanie rekonstrukcji praktycznie w czasie rzeczywistym.
Możliwe zastosowania w diagnostyce i neurochirurgii
Autorzy badania wskazują, że opracowana technologia medyczna może znaleźć zastosowanie w wielu obszarach medycyny. Najważniejsze potencjalne wykorzystania obejmują:
- śródoperacyjną neuronawigację podczas zabiegów neurochirurgicznych,
- szybszą analizę obrazów rezonansu magnetycznego,
- wcześniejsze wykrywanie zmian charakterystycznych dla choroby Alzheimera,
- wspomaganie diagnostyki innych chorób neurodegeneracyjnych,
- rozwój interfejsów mózg–komputer (Brain-Computer Interface, BCI),
- tworzenie spersonalizowanych cyfrowych modeli mózgu.
Znaczne skrócenie czasu przetwarzania danych może okazać się szczególnie istotne podczas operacji neurochirurgicznych, gdy lekarze potrzebują aktualizowanych na bieżąco informacji o anatomii mózgu pacjenta. Główny autor projektu, Yang Yuchao z Uniwersytetu Pekińskiego, podkreśla szerokie możliwości nowego rozwiązania.
To przełomowe osiągnięcie otwiera nowe możliwości w zakresie interfejsów mózg-komputer oraz diagnostyki i leczenia chorób mózgu. Naukowiec dodaje również: W przyszłości możliwe będą spersonalizowane i dynamiczne cyfrowe bliźniaki mózgowe.
Według Yanga technologia:
Zapewnia sprzętową podstawę, która może działać w czasie rzeczywistym, umożliwiając śródoperacyjną neuronawigację, wczesne badania przesiewowe w kierunku choroby Alzheimera i spersonalizowane interwencje.
Przetwarzanie danych tam, gdzie są przechowywane
Kluczowym elementem sukcesu nowego rozwiązania jest architektura określana jako Processing-in-Memory. W klasycznych komputerach dane nieustannie przemieszczają się pomiędzy pamięcią a procesorem. To właśnie ten transfer odpowiada za znaczną część opóźnień oraz zużycia energii.
Nowy chip eliminuje tę konieczność. Badacze z niemieckiego Centrum Badawczego Jülich, którzy przygotowali analizę towarzyszącą publikacji, porównali tę koncepcję do: przetwarzania surowego mleka w gospodarstwie mlecznym zamiast przekazywania go do fabryki. Analogicznie obliczenia wykonywane są dokładnie tam, gdzie znajdują się dane, co znacząco zwiększa efektywność całego systemu.
Nie tylko medycyna. Możliwe zastosowania wykraczają poza ochronę zdrowia
Choć badania koncentrowały się na obrazowaniu mózgu, potencjalny zakres wykorzystania technologii jest znacznie szerszy. Autorzy wskazują, że architektura może znaleźć zastosowanie również w:
- robotyce,
- systemach autonomicznych,
- inteligentnych urządzeniach działających w czasie rzeczywistym,
- zaawansowanych systemach sztucznej inteligencji,
- analizie dużych zbiorów danych wymagających bardzo krótkich czasów reakcji.
Eksperci podkreślają, że możliwość wykonywania obliczeń z opóźnieniem liczonym w milisekundach może mieć znaczenie wszędzie tam, gdzie liczy się natychmiastowa analiza informacji.
Opis technologii został opublikowany na łamach czasopisma „Science”.
Główne wnioski
- Chińscy naukowcy z Uniwersytetu Pekińskiego i Chińskiej Akademii Nauk opracowali 40-nanometrowy układ neuromorficzny, który rekonstruuje powierzchnię mózgu w czasie krótszym niż pół sekundy.
- Nowy chip osiąga wydajność od 50 do nawet 478 razy wyższą niż system oparty na procesorze graficznym Nvidia A100, dzięki architekturze łączącej pamięć i obliczenia w jednym układzie.
- Technologia może znaleźć zastosowanie w diagnostyce chorób mózgu, neurochirurgii, interfejsach mózg–komputer oraz wczesnym wykrywaniu choroby Alzheimera, umożliwiając analizę danych w czasie rzeczywistym.
- Wyniki badań opublikowane w czasopiśmie Science wskazują, że nowe podejście może stać się podstawą do tworzenia spersonalizowanych cyfrowych bliźniaków mózgu i kolejnej generacji systemów sztucznej inteligencji dla medycyny.
Źródło:
- https://interestingengineering.com/innovation/china-brain-chip-real-time-brain-mapping
- https://yzhu.io/publication/physics2026science/
