Ученые из Sandia National Laboratories — ядерной лаборатории Министерства энергетики США — показали, что нейроморфный чип Intel Loihi 2 способен решать дифференциальные уравнения в частных производных (PDE) методом конечных элементов. Традиционно эти задачи — основу моделирования погоды, динамики жидкостей и поведения материалов — решали на суперкомпьютерах.
Нейроморфные компьютеры устроены принципиально иначе, чем обычные: они имитируют архитектуру мозга, где вычисления и память объединены в одних и тех же элементах. Считалось, что такие системы подходят только для распознавания образов и ускорения нейросетей. Вычислительные нейробиологи Брэд Тейлман и Брэд Эймоун разработали алгоритм NeuroFEM, который транслирует стандартный метод конечных элементов в импульсную нейронную сеть — и запустили его на 32 чипах Loihi 2. Система продемонстрировала приемлемую точность и почти идеальное масштабирование: при удвоении числа ядер время решения сокращалось вдвое.
По словам авторов, удивляться тут нечему — мозг постоянно решает подобные задачи, просто мы этого не замечаем. «Возьмите любую задачу моторного контроля — удар по теннисному мячу или замах битой по бейсбольному, — говорит Эймоун. — Это вычисления экзафлопсного уровня, и наш мозг выполняет их почти бесплатно». Алгоритм основан на модели моторной коры, предложенной 12 лет назад, — но связь этой модели с дифференциальными уравнениями обнаружили только сейчас.
Пока речь идет о демонстрации принципа: IEEE Spectrum отмечает, что на текущем масштабе энергетическое преимущество перед обычными системами “небольшое”, а для реалистичного сравнения нужны более крупные задачи. Но в перспективе ставки высоки. Суперкомпьютеры ядерного комплекса США потребляют огромное количество электроэнергии, и нейроморфные системы могут радикально сократить эти расходы. В ту же Sandia Labs Intel уже доставил Hala Point — крупнейшую нейроморфную систему в мире на 1,15 млрд нейронов, которая рассматривается в том числе для задач ИИ. Если нейроморфные чипы научатся решать не только базовые, но и продвинутые уравнения, они могут стать энергоэффективной альтернативой GPU — и для научных расчётов, и для искусственного интеллекта.
P.S. Поддержать меня можно подпиской на канал “сбежавшая нейросеть“, где я рассказываю про ИИ с творческой стороны.
Автор: runaway_llm
