Podobno kot mlado podjetje v iskanju svojega poslanstva, si tudi nevromorfni inženiring še ni jasno začrtal svoje poti za naprej. Sicer je bil na nekaterih področjih že dosežen določen napredek , na misel nam pridejo na primer Synapticsov touchpad, Foveonovi CMOS barvni slikovni sprejemnik slike ali pa Sonicova iznajdba slušnih aparatov – toda kot celota to področje niti zase točno ne ve, kaj hoče, niti kako to storiti. Potek razvoja te veje znanosti v prihodnosti je bil pred kratkim objavljen s strani raziskovalcev iz Georgia Tech, njihov končni cilj pa je nič manj kot obdelava podatkov, ki bi bila enakovredna delovanju človeških možganov.
Jennifer Hasler, glavna avtorica tega načrta za prihodnost, je s pomočjo primerjave različnih pristopov za končno izvedbo pretvorbe delovanja nevronov v silicij prišla do tehnologije, za katero misli, da je prava pot naprej. Njen odgovor niso digitalna simulacija z FPGA ali GPU, memristorji niti ne neuristorji, ampak manj znana tehnologija FPAA (Field-Programmable Analog Arrays, programirljiva analogna polja). FPAA vezja so podobna digitalnim FPGA vezjem, vendar vključujejo tudi ponovno nastavljive analogne elemente. Ta vezja so bila v zadnjih nekaj letih bolj na stranskem tiru (kupite lahko le eno takšno vezje proizvajalca Anadigm), vendar pa so se uporabljali predvsem v sistemski integraciji v tako imenovani „analogni lepilni logiki“ (analog glue logic).
V tradicionalnem pojmovanju naj bi med komponente lepilne logike spadali tisti elementi, s katerimi zlepimo skupaj protokole in vodila različnih posameznih digitalnih vezij. Sistemi vse bolj zahtevajo stvari, kot so več različnih napajalnih shem, različne napetostne nivoje, napajalne sekvence, napajanje v načinu mirovanja, visokonapetostnih LED gonilnike ali kakovostno obdelavo zvoka.“Sistemsko lepilo“ pogosto zahteva analogne funkcije, ki se ne »prilegajo« zlahka na tehnologijo 90 in 65nm silicija. Sodobne rešitve integriranih vezij z vgrajenim sistemom (System-on-a-chip, SoC), ki so privedla do povpraševanja po ASIC čipih za mešane signale, imajo na enem mestu skupaj zbranih veliko različnih analognih funkcij.
Jennifer opisuje predvsem pristop, v katerem bodo namizni nevromorfni sistemi uporabljali SoC pristope za posnemanje milijard nevronom podobnih elementov z nizko porabo, ki računajo z uporabo učne sinapse. Vsaka sinapsa ima nastavljivo jakost, ki je povezana z njo in je modelirana s pomočjo enega samega tranzistorja. Njene FPAA plošče gostijo na stotisoče programirljivih parametrov, ki omogočajo preračunavanja na ravni sistemov takšne velikosti, da so drugi FPAA modeli v primerjavi z njimi videti kot palčki. V tem trenutku celo napoveduje, da bodo človeškim možganom enakovredni sistemi zahtevali osem stopenj manjšo moč od digitalnih superračunalnikov, ki se trenutno uporabljajo za simulacijo nevromorfnih sistemov.
Jennifer verjame, da bo prehod na FPAA pokrival štiri od teh stopenj, ostale štiri pa bo treba doseči drugod. Napoveduje, da bo uporaba čipov izdelanih z 10 nm tehnološkimi procesi, ki bodo kmalu na voljo, omogočala namizne sisteme s procesorsko močjo človeških možganov, ki bodo porabili le 50 vatov moči, sčasoma postali realnost. Čipi z milijoni z nevronom podobnimi ogrodji, ki jih povezujejo milijarde sinaps, ki se iskrijo in vžigajo drug drugega prek meje, nad katero bi morali biti sposobni nekaj narediti. Toda kaj? Sistemi, ki so sedaj že na voljo, kot na primer silicijeve roženice za posebne namene, ki se uporabljajo v Curvace kameri, svoje delo še vedno lahko dobro opravijo tudi brez zapletenega iskrenja nevronov. Selitev na sisteme, ki temeljijo na tem iskrenju, bo pomenila strm vzpon krivulje učenja.
Raziskovalci začrtali pot razvoja nevromorfnih procesorjev
ExtremeTech
2014_SE220_8
