Международная группа ученых раскрыла механизмы, обеспечивающие высокую эффективность обработки информации и поиска данных в нейронных сетях человеческого мозга. Результаты исследования предлагают теоретическую базу для создания нейроморфных вычислительных систем нового поколения.

В отличие от архитектуры фон Неймана, где разделение вычислительных и запоминающих блоков ведет к энергопотерям, мозг использует динамическую передачу сигналов и параллельную обработку. Исследователи применили нейровизуализацию высокого разрешения и нелинейное динамическое моделирование.

Установлено, что мозг использует временную синхронизацию и разреженное кодирование в кластерах нейронов для сжатия и быстрого поиска данных. Это позволяет выполнять сложные когнитивные задачи при активации лишь малой доли нейронов, сохраняя точность даже при наличии шума.

На основе этих данных команда разработала новую архитектуру нейроморфных алгоритмов и аппаратных схем. Эксперименты показали, что модель, имитирующая разреженную активацию и временную проводимость, превосходит традиционные нейросети по энергоэффективности на несколько порядков.

Новая архитектура также продемонстрировала высокую устойчивость к помехам при работе с неизвестными данными. Разработка призвана преодолеть разрыв между нейронаукой и проектированием чипов, что может повлиять на развитие периферийных вычислений, робототехники и ИИ-оборудования.