Исследователи из Китайского университета Гонконга (Chinese University of Hong Kong) разработали искусственный нейрон на основе лазера, который полностью имитирует функции и динамику биологических градуированных нейронов. Этот лазерный градуированный нейрон способен обрабатывать сигналы со скоростью 10 Гбод (бод — единица измерения символьной скорости, количество изменений информационного параметра несущего периодического сигнала в секунду).
В таком градуированном нейроне передача информации осуществляется посредством потенциалов пропорциональных силе стимула. В отличие от потенциалов обычной модели нейронной сети, они не являются бинарными и могут суммироваться по величине, влияя на вероятность генерации потенциала срабатывания.
В человеческом мозге градуированные нейроны обеспечивают необходимую точность обработки сигналов. Новый лазерный нейрон имитирует эту функцию, преодолевая ограничения скорости традиционных искусственных нейронов. Он демонстрирует замечательные результаты в задачах распознавания образов и предсказания последовательностей. При этом, 10 Гбод аналогично 10 млрд бит/с для случая передачи двоичных данных, что в миллиард раз быстрее биологических аналогов лазерного нейрона.
Благодаря новым возможностям обработки информации, один лазерный градуированный нейрон может функционировать как небольшая нейронная сеть. Тестовая система на таком нейроне демонстрирует отличные результаты в распознавании образов и предсказании последовательностей. Например, она обнаруживает аритмии с точностью 98,4%, обрабатывая 100 млн сердечных сокращений в секунду.
Теперь китайские исследователи планируют объединить несколько лазерных градуированных нейронов в сеть, чтобы еще шире раскрыть их потенциал. И, возможно, решить проблему генерации качественных синтетических данных, пригодных для обучения нейронных сетей. Моделирование позволяет исследователям генерировать огромные объемы синтетических данных. В научных и инженерных задачах синтетические данные имеют важное значение. Зачастую данные реального мира недостаточны, дороги или их сложно получить. В аэродинамике или робототехнике, например, моделирование позволяет исследовать сценарии, которые невозможно проверить физически.
Над проблемой генерации качественных синтетических данных работают команды разработчиков ИИ из Anthropic, OpenAI, Microsoft и AlphaFold от Google. Модели ИИ, которые смогут тестировать, обучать и настраивать себя, используя созданные ими данные, сегодня кажутся фантастикой, но что будет завтра?
