一块GPU模拟猴子大脑，普通台式机变超算

大脑通常需要一个脉冲神经网络，这是一种特殊的 AI 系统，可以模拟大脑的行为，神经元通过一系列脉冲信号进行通信。

为了准确地预测脉冲如何影响神经元，描述「哪些神经元通过突触连接在一起、如何连接」的信息通常在运行模拟之前生成和存储。然而，由于神经元只是周期性地产生脉冲，将如此大量的数据持续保存在内存中是非常低效的。

为了解决这一问题，研究者提出了「程序性连接」的概念。「程序性连接」可以让研究者根据需要实时生成与神经元连接相关的数据，而不是在内存中存储数据并从中检索信息。这完全消除了在内存中存储连接数据的必要性。

「这些实验通常需要你提前生成所有连接数据，并用这些数据来填满内存，而我们的方法就是要避免这一过程。」论文作者 James Knight 表示。

他还补充说，「使用我们的方法，每次神经元发出脉冲时，连接的细节就会重新生成。」「我们利用 GPU 的能力，在每次脉冲发出时重新实时计算连接。」

也就是说，借助 GPU 的强大计算能力，当神经元脉冲被激发时，脉冲神经网络可以「程序性」地生成连接数据。

这一方法建立美国学者 Eugene Izhikevich 在 2006 年提出的研究基础上，但彼时的计算机速度太慢，还不足以让方法推广应用。现在，GPU 的算力是 15 年前的 2000 倍，对于「脉冲神经网络」来说，研究时机已经成熟。

一台电脑 + 一块 GPU，或许就能复现大脑模拟论文

事实上，这项研究的结果不仅能够与当前最快的超级计算机相媲美，甚至还更快。在静息态下，新方法模拟生物体的一秒只需要 8.4 分钟，比之前的超级计算机模拟节省了多达 35% 的时间（一个例子就是 2018 年在 IBM Blue Gene/Q 上运行的模拟）。

如同 Knight 介绍的那样，这是因为 IBM 的设备是由 1000 个连接在一个房间里的计算节点组成的。「无论系统多么复杂，节点之间仍然存在一些延迟。模型隔得越远，它就会越慢，而我们的模型速度可以快很多个量级。」

（编辑：常州站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!