Počítače se během posledních let neuvěřitelně posunuly vpřed a často překonávají lidský mozek ve schopnosti ukládat a zpracovávat data, předpovídat a komunikovat. Přesto však v jedné oblasti lidský mozek stále vede: energetické účinnosti. Tato skutečnost je hnací silou vývoje neuromorfní výpočetní techniky, která se snaží dosáhnout energetické účinnosti srovnatelné s mozkem.
Energetická účinnost: Achillova pata moderních počítačů
I když počítače excelují v matematických výpočtech, jejich energetická účinnost zaostává za lidským mozkem. Profesor Kaustav Banerjee z Kalifornské univerzity v Santa Barbaře upozorňuje, že nejúčinnější počítače spotřebují přibližně 10 000krát více energie než lidský mozek pro úkoly, jako je zpracování a rozpoznávání obrazu. Rostoucí poptávka po energii pro elektroniku na čipech, poháněná umělou inteligencí a dalšími technologiemi, zhoršuje globální problémy se spotřebou energie a vyžaduje naléhavé řešení.
Neuromorfní výpočetní technika: Nadějný most
Neuromorfní výpočetní technika, která napodobuje paralelní zpracování v nízkospotřebových neuronech mozku, se jeví jako nadějné řešení. V článku zveřejněném v časopise Nature Communications, Banerjee a jeho tým, ve spolupráci s výzkumníky z Intel Labs Vivekem De a Mikem Daviesem, navrhují platformu využívající tunelové tranzistory s přechodnými kovy na bázi dichalkogenidů (TFET) na bázi 2D. Tato inovace by mohla snížit energetické požadavky na úroveň blízkou 100krát vyšší než u lidského mozku. Jasně pořád je to docela dost, ale jedná se o 100násobné zlepšení oproti současným technologiím.
Figure 1– DALL-E 3: Trpasličí vesnička
Pokroky v obvodech a tranzistorové technologii
Koncept neuromorfní výpočetní techniky existuje již desítky let, ale nedávné pokroky v tranzistorové technologii znovu vzbudily zájem. Tým Banerjeeho vyvinul atomárně tenké, nanoskopické 2D TFET, které pracují při nízkém napětí a napodobují energeticky efektivní operace mozku. Tyto tranzistory vykazují nízké proudy v off-stavu a nízkou podprahovou houpačku (SS), což umožňuje účinné přepínání a nižší provozní napětí.
Abychom téma lépe pochopili, je třeba si ještě pár věcí dovysvětlit. Tranzistory jsou polovodičové součástky umístěné na komponentách na základní desce (procesor, grafika apod.), tedy tam, kde je třeba něco počítat. Skrze tuto základní desku a komponenty se vede elektrický proud. Je-li proud dostatečně silný, dokáže skrze tranzistor projít. Když je proud nedostatečně silný, neměl by přes tranzistor projít. Ale přesto se to velmi malému zlomku proudu podaří. Jak je to možné? Tento jev se nazývá “svodový proud”.
Představte si to jako velkou říční vlnu, která se rozrazí o stojící hráz. Kolem 99 % vody se vodní hrází zablokuje, to 1 malé procento je tvořenou vodou, která se ale přesto přes hráz přešplouchne a dostane se za ní. To je možné díky tzv. kvantovému elektronovému tunelování. Tento princip říká, že díky kvantovým principům se částice (v našem případě voda) dokáže dostat i skrze bariéru (vodní hráz), kterou by jinak podle základní zákonů fyziky nebylo možné přeskočit.
Samozřejmě proud, který se přes neaktivní tranzistor dostane, je velmi malý. Když ale možné proudové úniky vynásobíme počtem tranzistorů v celém počítači – kolem 3 až 30 miliard – dostaneme číslo, které se už do energetické efektivity významně promítne. Kromě toho čím více tranzistorů máme, tím většího výpočetního výkonu můžeme dosáhnout. Velikost komponent ale zůstává pořád na podobné úrovni, kvůli čemuž je kladen důraz na výrobu ještě menších tranzistorů. Problém pak je, že čím menší tranzistor je, tím větší je šance na svodový proud.
Až 10% ztráty kvůli kvantovému tunelování?
Kdybychom poté chtěli udělat přesný výpočet procentuálního úniku energie u počítače s 10 miliardami tranzistorů potřebovali bychom specifické údaje o použité technologii a podmínkách provozu. Když ale budeme počítat s přibližnými čísly, tak:
- Svodový proud v moderních tranzistorech: U moderních 7nm nebo 5nm procesů se svodový proud obvykle pohybuje v řádu 10-100 nanoampérů na tranzistor při pokojové teplotě.
- Celkový svodový proud: Pro 10 miliard tranzistorů by to mohlo znamenat celkový svodový proud v řádu 0,1-1 ampéru.
- Poměr k celkové spotřebě: Typický moderní procesor může mít celkovou spotřebu energie kolem 65-125 wattů při plném zatížení.
- Procentuální odhad: Pokud vezmeme v úvahu tyto faktory, svodový proud by mohl představovat přibližně 5-15% celkové spotřeby energie procesoru v klidovém stavu..
Díky principům kvantové fyziky tak můžete přijít klidně o 10 % vaší energie. No a právě to se výzkumníci snaží vyřešit.
Řídké výbojové obvody: Přístup inspirovaný mozkem
Neuromorfní architektury fungují pomocí řídkých výbojových obvodů, podobně jako neurony v mozku, které se aktivují pouze tehdy, když je to nutné. Na rozdíl od tradičních von Neumannových architektur, které neustále čerpají energii, NM systémy jsou událostmi řízené, aktivují se pouze při zpracování vstupu. Společnosti jako Intel a IBM vytvořily platformy inspirované mozkem s významnými energetickými úsporami. Nicméně, další zlepšení jsou potřebná, zejména v minimalizaci energie ztracené kvůli únikovým proudům. Při integraci do neuromorfních obvodů se TFET ukázaly být energeticky účinnější než nejmodernější MOSFET, včetně FinFET.
Budoucnost neuromorfní výpočetní techniky
TFET jsou stále experimentální, ale ukazují potenciál pro další generaci výpočetní techniky inspirované mozkem. Spoluautoři z Intelu zdůrazňují potenciál těchto technologií významně snížit spotřebu energie čipů. Banerjee předpovídá 3D verze těchto 2D-TFET neuromorfních obvodů, což nás přiblíží k napodobení energetické účinnosti lidského mozku.
Závěr
Snahy o vytvoření platforem inspirovaných mozkem nejsou jen o napodobení kognitivních schopností lidí, ale také o dosažení nepřekonatelné energetické účinnosti. Jak výzkumníci vyvíjejí pokročilé neuromorfní technologie, blížíme se k budoucnosti, kde počítače nejen myslí, ale také spotřebovávají energii stejně efektivně jako lidský mozek.
Shrnutí
- Lidský mozek vs. počítače: Lidský mozek je energeticky mnohem účinnější než počítače.
- Neuromorfní výpočetní technika: Tento obor se snaží napodobit nízkou spotřebu energie mozku prostřednictvím paralelního zpracování.
- 2D TFET: Tyto pokročilé tranzistory mohou výrazně zlepšit energetickou účinnost neuromorfních systémů.
- Budoucí potenciál: Vývoj 3D TFET obvodů slibuje další pokroky ve výpočetní technice inspirované mozkem.
Zdroj:
- ScienceDaily. (2024b, June 25). Next Platform for Brain-inspired computing. ScienceDaily. https://www.sciencedaily.com/releases/2024/06/240625205646.htm
- Claude. (n.d.). https://claude.ai/
