Современная электроника №1/2023

СОВРЕМЕННЫЕ ТЕХНОЛОГИИ 33 WWW.SOEL.RU СОВРЕМЕННАЯ ЭЛЕКТРОНИКА • № 1 / 2023 ских системах реального времени . Чип способен реализовывать нейро - сети с максимальным числом входов 512 ( рис . 5, 6). Чип SAND содержит четыре парал - лельных обрабатывающих элемен - та PE (Processing Elements), каждый из которых снабжён АЛУ и блоками отсечения (auto-cut). АЛУ использует - ся для умножения векторов . Так как АЛУ накапливает входные значения , выходная шина имеет разрядность 40 бит ( это ограничивает число вход - ных нейронов до 512). Блок отсечения снижает разрядность до 16 с контро - лем переполнения и потери точности . Окно , выбирающее 16 бит из 40, может быть смещено пользователем по свое - му усмотрению . Нейрокомпьютеры с нейроморфны - ми процессорами представляют собой одну из перспективных разработок в области вычислительной техники , так как они намного эффективнее реша - ют нелинейные и неформализованные задачи по сравнению с традиционны - ми процессорами . Нейроморфные вычисления отли - чаются от классических подходов к ИИ , которые основаны на свёрточ - ных нейронных сетях (CNN), тем , что они гораздо точнее имитируют мозг с помощью импульсных нейронных сетей (SNN). Свёрточные нейронные сети (CNN) Свёрточные нейронные сети (Convolutional Neural Network, CNN) – это нейронные сети , которые показали высокую точность в классификации и кластеризации изображений , а также в распознавании объектов , хотя приме - няются практически везде . CNN состо - ят из двух видов слоёв : слоёв свёртки и пулинга . Слой пулинга необходим для уменьшения размерности . Преимуще - ство свёрточных сетей заключается в их свойстве инвариантности , т . е . объ - ект на изображении может находить - ся в любом месте , но сеть его всё рав - но найдёт ( рис . 7). Применение CNN: ● распознавание образов , ● « компьютерное зрение » (computer vision), ● видеоанализ . Структура нейроморфного процессора Нейроморфные процессоры – это устройства , аппаратно моделирую - щие работу импульсных нейронных сетей (SNN). В таких сетях моделиру - емые нейроны , как и реальные био - логические нейроны , общаются друг с другом , используя электрические импульсы – спайки . При этом SNN обладают большей « вычислительной мощностью », чем сети предыдущих поколений ( рис . 8). В нейроморфных процессорах искус - ственные нейроны объединяются по модели импульсных нейронных ( спай - ковых ) сетей SNN, особенностью кото - рых является передача с помощью разнесённых по времени коротких импульсов равной амплитуды . По аналогии с биологическим образцом искусственный нейрон – один выход ( аксон ), сигнал с которого может посту - пать на большое количество входов других нейронов и тем самым изме - нять их состояние . Обработка информации нейроморфным процессором в импульсной нейронной сети (spiking neural network – SNN) Каждый « нейрон » в сети SNN может срабатывать независимо от других : он отправляет импульсные сигна - лы другим нейронам в сети , которые напрямую изменяют электрические состояния этих нейронов . Кодируя информацию в самих сигналах , SNN моделируют естественные процессы обучения , динамически переключая синапсы между искусственными ней - ронами в ответ на стимулы . Хотя нейроморфные чипы , как пра - вило , всё ещё являются цифровыми , они в большинстве случаев работа - ют на основе асинхронных цепей , что означает отсутствие глобальной син - хронизации . В зависимости от кон - кретного приложения нейроморфные вычисления могут быть на несколько порядков быстрее и требуют меньше энергии . В настоящее время лидером по раз - работке полупроводникового нейро - морфного процессора является кор - порация INTEL c процессором Loihi 2. Процессор организован по матрич - ной архитектуре ядер . Ядро содержит вычислительные элементы и память в качестве нейронов и синапсов . Систе - мы на NPU Intel Loihi 2 учатся быстрее и эффективнее , что открывает перед ними массу перспектив . При решении задач оптимизации и поиска выяснилось , что NPU Loihi 2 может решать задачи более чем в 1000 раз эффективнее и в 100 раз быстрее по сравнению с традицион - ными процессорами ( рис . 9). Основные характеристики чипа Intel Loihi 2: ● техпроцесс – Intel 4; ● площадь кристалла – 31 мм 2 ; ● площадь ядра – 0,21 мм 2; ● количество транзисторов – 2,3 млрд ; ● количество нейронных ядер на чип – 128; ● количество процессоров на чип – 6; ● количество нейронов на чип – 1 млн ; ● количество синапсов на чип – 120 млн ; ● память на нейронное ядро – 192 кБ , гибкое размещение ; ● модели нейронов – полностью про - граммируемые ; ● область состояния нейрона – 0…4096 байт на нейрон ; Рис . 7. Архитектура свёрточных нейронных сетей Рис . 8. Структура нейроморфного процессора Ячейка ввода Скрытая ячейка Ядро Входные пики Пик выходного сигнала Свёртка или пул Ячейка вывода