1720187139
2024-07-05 13:10:04
ニューロモルフィック樹状突起ネットワーク計算のビジュアルアブストラクト。クレジット: Baek 他
人工知能 (AI) ツールの急速な進歩を受けて、世界中のエンジニアが人間の脳の構成と機能を再現する新しいアーキテクチャとハードウェア コンポーネントの開発に取り組んでいます。
これまでに開発された脳にヒントを得たテクノロジーのほとんどは、神経要素の全体的な構造やそれが情報処理にどのように貢献するかを反映するのではなく、脳細胞（つまりニューロン）の発火からヒントを得ています。
清華大学の研究者らは最近、シナプス（ニューロン間の接続）の構造と樹状突起（ニューロン本体から伸びる突起）の樹状構造を再現するように設計された新しいニューロモルフィック計算アーキテクチャを導入した。
この新しい脳のような人工システムは、 紙 Nature Electronics に掲載されたこの研究は、イオンドープのゾルゲル膜を備えたマルチゲートシリコンナノワイヤトランジスタの計算モデルを使用して実現されました。
「イタリアのミラノ工科大学でAIと脳バイオエンジニアリングの修士課程に在籍していたとき、ニューロンの樹状突起のような脳の接続性の希薄性と形態を模倣して効率的なAIを設計するというアイデアを思いつきました」と責任著者の一人であるカルロ・ヴィットリオ・カニストラチ氏はTech Xploreに語った。
「私はまた、周囲の電気活動が活発になると機能が活性化する『サイレントシナプス』などの脳のメカニズムの優雅さにも魅了されました。」
これまでの研究や研究への関心からインスピレーションを得て、カニストラシ氏は最近、複雑な脳のメカニズムを計算的に実現することを目指しました。この最近の研究の一環として、同氏は清華大学の他の研究者と協力し、ニューロモルフィック コンピューティング モデルを使用して樹状突起の形態とシナプスの基礎を再現しました。
「ある日、カルロは私に「樹状突起計算」を勉強するように頼みました。 以前の共同研究 「『ニューロトランジスタ』に関する研究は、樹状突起の特性を模倣する可能性がある」と、責任著者の一人であるEunhye Baek氏はTech Xploreに語った。
「Luping Shi教授と私は、ニューロモルフィック視覚センサーシステムを開発する方法を模索しており、このアプローチの可能性を認識していました。
樹状突起の形態を模倣したデンドリスト。出典: Nature Electronics (2024) より引用。DOI: 10.1038/s41928-024-01171-7
「私の興味は、脳やニューロンに似た動的情報処理システムを構築することに常にありました。樹状突起コンピューティングは、ニューロモルフィック エンジニアリングではまだ十分に研究されていない、広範囲にわたる動的で複雑な特性を網羅しているため、非常に興味をそそられました。」
これまで実施されたニューロモルフィック コンピューティング研究のほとんどは、学習に関連するシナプス プロセスを再現し、ニューロン スパイクの生成を人工的に複製することに重点を置いていました。これらの研究では、樹状突起を単純な伝送線としてモデル化することが多く、その独特な形態に関連する機能は無視されていました。
「樹状突起は、樹木のような形態を利用して、空間的に分散した信号をマッピングし、枝特有の可塑性を示し、さまざまなシナプスを統合します」とベック氏は説明した。
「それぞれの樹状突起の枝は特定の方向性を持つ信号に特に敏感で、時空間信号の処理に特化しています。私たちの研究は、これらの複雑な樹状突起の機能に焦点を当てています。」
Cannistraci、Shi、Baek とその協力者は、生物の樹状突起の形態と機能を模倣した新しいデバイスを設計、開発しました。「デンドリスト」と呼ばれるこのデバイスは、イオンドープのゾルゲル膜でコーティングされたマルチゲート トランジスタの物理特性を利用して、樹状突起によって実行される計算を模倣します。
「このフィルムは、ドープされたイオンがニューロンの樹状突起内のイオンと同様に動くようにすることで、樹状突起の枝を模倣し、トランジスタの電流を調節して樹状突起膜電位の変化を反映します」とベック氏は述べた。「私たちの研究は、デンドリストが非線形の樹状突起の統合と方向選択性を示すことを実証しています。」
この研究グループによる最近の論文では、デンドリスト装置に加えて、人工サイレントシナプスが紹介されています。このシステムでは、ゾルゲルフィルム内のデンドリストの枝の電圧により、フィルムが特定の閾値に達したときにのみシナプス入力がアクティブになり、移動する視覚刺激の方向を識別するシステムの能力が向上します。
「我々は網膜と視覚皮質の神経回路にヒントを得て、移動する信号の方向を計算する神経形態樹状神経回路も作りました」とベック氏は言う。「この回路は、2D と奥行きで移動する信号を検出し、それらを統合して 3D 空間内の物体の移動方向を再構築する能力を示しています。」
樹状ニューロンの疎な接続を忠実に反映することで、Cannistraci、Baekらが導入した新しいニューロモルフィックコンピューティングのアプローチは、驚くべきエネルギー効率を達成することがわかった。実際、このシステムは、既存のものよりも少ないニューロンを使用して動きを検出する可能性を示している。 人工ニューラルネットワーク （ANN）。
樹状突起ネットワーク神経回路の 3D 視覚運動知覚。クレジット: Nature Electronics (2024)。DOI: 10.1038/s41928-024-01171-7
この新しいアーキテクチャの主な利点は、生物学的ニューロンの機能的側面の複製にとどまらないことです。他の既存のニューロモルフィック コンピューティング プラットフォームとは対照的に、樹状突起の形態やサイレント シナプスの基礎など、ニューロンの構造と疎な接続も再現します。
「知能を実現するためのニューロモルフィック研究にはさまざまなアプローチがあるが、我々の研究は動的信号処理におけるニューロンとそのシナプス接続形態の重要性を独自に示している」とベック氏は語った。
「我々は、生物学的ニューロンがシナプス入力の空間的に疎なマッピングによって機能的な神経回路を形成する方法を模倣することでこれを達成し、この形態が効率的な神経形態学的情報処理にとっていかに重要であるかを強調しました。」
注目すべきことに、この研究チームは、抑制性シナプスとサイレントシナプスの空間位置が、ニューロモルフィックシステムにおけるニューロンによる信号処理も制御できることを初めて実証しました。この洞察は、サイレントシナプスを再現する他の計算モデルやアーキテクチャの設計に役立つ可能性があります。
「スパース性と形態学は十分に理解されておらず、次世代 AI の構築に活用されていません」と Cannistraci 氏は言います。「私たちの研究は、実際の脳ネットワークのこれら 2 つの特徴を活用して、効率的な AI を実現する次世代のニューロモルフィック ニューラル ネットワークを設計する方法を示した初めての研究です。」
Cannistraci、Baek、および彼らの同僚による最近の取り組みは、半導体デバイスに基づくニューロモルフィック システムのエンジニアリングに、新しい刺激的な道を開くことになるかもしれません。具体的には、彼らが提案する脳にヒントを得た設計は、エネルギー消費量の少ない新しいデバイスや AI ツールの開発に貢献し、より持続可能なコンピューティングへの道を切り開く可能性があります。
研究者たちは次の研究で、動的な視覚信号の分類をさらに向上できる高度な抑制性接続を使用して、人工神経回路をさらに拡張する予定です。そのために、彼らは脳の発達初期段階で観察される神経接続を厳密に模倣しようとします。
「我々は、ディープラーニングを実行し、時系列分析や聴覚タスクなど、視覚認識以外の他のAIタスクを解決できる新しいニューロモルフィック樹状ネットワークアーキテクチャを開発する予定です」とカニストラシ氏は付け加えた。
「さらに、視覚や聴覚など、異なるタイプの感覚入力をまとめて処理し、相関させることができるマルチモーダル回路を開発したいと考えています。最終的には、このスパースおよび形態学的コンピューティング パラダイムを、デジタル ハードウェアに実装される従来のタイプの人工ニューラル ネットワークに拡張したいと考えています。」
詳しくは：
Eunhye Baek 他「視覚運動知覚のためのサイレントシナプスによるニューロモルフィック樹状ネットワーク計算」、Nature Electronics (2024)。 DOI: 10.1038/s41928-024-01171-7
© 2024 サイエンスXネットワーク
引用: 脳にヒントを得た新しい人工樹状神経回路 (2024 年 7 月 5 日) 2024 年 7 月 5 日に https://techxplore.com/news/2024-07-brain-artificial-dendritic-neural-circuit.html から取得
この文書は著作権の対象です。個人的な学習や研究を目的とした公正な取り扱いを除き、書面による許可なしに複製することはできません。コンテンツは情報提供のみを目的として提供されています。
#脳にヒントを得た新しい人工樹状神経回路