Biološki mozak, posebno ljudski mozak, je poželjan računarski sistem koji troši malo energije i radi sa visokom efikasnošću. Da bi izgradili isto tako dobar računarski sistem, mnogi neuromorfni naučnici se fokusiraju na dizajniranje hardverskih komponenti namenjenih da oponašaju neuhvatljivi mehanizam učenja mozga.
Nedavno je istraživački tim pristupio cilju iz drugog ugla, fokusirajući se na merenje prenosa informacija. Njihov metod je prošao kroz biološke i simulacione eksperimente, a zatim se pokazao efikasnim u elektronskom neuromorfnom sistemu. Objavljeno je u časopisu Inteligentno računarstvo.
Iako elektronski sistemi nisu u potpunosti ponovili složeni prenos informacija između sinapsi i neurona, tim je pokazao da je moguće transformisati biološka kola u elektronska kola uz održavanje količine prenetih informacija. „Ovo predstavlja ključni korak ka veštačkim sistemima male snage inspirisanim mozgom“, primećuju autori.
Da bi procenio efikasnost prenosa informacija, tim je crpeo inspiraciju iz teorije informacija. Oni su kvantifikovali količinu informacija koje prenose sinapse u pojedinačnim neuronima, a zatim izmerili količinu koristeći međusobne informacije, čija analiza otkriva odnos između ulaznih stimulusa i neuronskih odgovora.
Prvo, tim je sproveo eksperimente sa biološkim neuronima. Koristili su rezove mozga pacova, snimajući i analizirajući biološka kola u ćelijama cerebelarne granule. Zatim su procenili informacije koje se prenose u sinapsama od neurona mahovinastih vlakana do ćelija cerebelarne granule.
Mahovinasta vlakna su periodično stimulisana električnim šiljcima da bi se izazvala sinaptička plastičnost, fundamentalna biološka karakteristika gde se prenos informacija u sinapsama stalno jača ili slabi sa ponovljenom neuronskom aktivnošću.
Rezultati pokazuju da su promene u vrednostima uzajamnih informacija u velikoj meri konzistentne sa promenama u prenosu bioloških informacija izazvanih sinaptičkom plastičnošću. Nalazi iz simulacije i elektronskih neuromorfnih eksperimenata odražavali su biološke rezultate.
Drugo, tim je sproveo eksperimente sa simuliranim neuronima. Oni su primenili model neuronske mreže sa spikingom, koji je razvila ista istraživačka grupa. Spiking neuronske mreže su inspirisane funkcionisanjem bioloških neurona i smatraju se obećavajućim pristupom za postizanje efikasnog neuromorfnog računarstva.
U modelu, četiri mahovina vlakna su povezana sa jednom ćelijom cerebelarne granule, a svakoj vezi je data nasumična težina, što utiče na efikasnost prenosa informacija kao što to čini sinaptička plastičnost u biološkim krugovima. U eksperimentima, tim je primenio osam obrazaca stimulacije na sva mahovina vlakna i snimio odgovore kako bi procenio prenos informacija u veštačkoj neuronskoj mreži.
Treće, tim je sproveo eksperimente sa elektronskim neuronima. Korišćena je postavka slična onoj u biološkim i simulacionim eksperimentima. Prethodno razvijeni poluprovodnički uređaj je funkcionisao kao neuron, a četiri specijalizovana memristora su funkcionisala kao sinapse.
Tim je primenio 20 sekvenci šiljaka da bi smanjio vrednosti otpora, a zatim primenio još 20 da bi ih povećao. Promene vrednosti otpornosti su ispitivane da bi se procenila efikasnost prenosa informacija unutar neuromorfnog sistema.
Pored provere količine informacija koje se prenose u biološkim, simuliranim i elektronskim neuronima, tim je takođe istakao važnost vremenskog perioda, koji je, kako su primetili, usko povezan sa prenosom informacija. Ovo zapažanje bi moglo da utiče na razvoj neuromorfnog računarstva, s obzirom na to da je većina uređaja dizajnirana sa algoritmima zasnovanim na spike frekvenciji.
