Форма обратной связи
«Нажимая на кнопку, вы даете согласие на обработку персональных данных и соглашаетесь c политикой конфиденциальности»
Нейроморфные платформы
- Разработка архитектуры аппаратных нейроморфных платформ, аппаратная реализация искусственных нейронных сетей, создание нейронных сопроцессоров на основе мемристорных и оптогенетических технологий, создание прототипа нейроморфного вычислительного устройства.
Проект направлен на создание компонентной и технологической базы для реализации нейроморфных вычислительных платформ и двунаправленных оптогенетических нейроинтерфесов с нейроморфными компонентами, выступающими как в качестве устройств для обработки сигналов (систем сжатия, хранения и детектирования событий), так и в качестве «сопроцессоров» для биологических нейронных сетей.
Создание двунаправленных нейроинтерфейсов высокой плотности необходимо как для изучения работы биологических нейронных сетей с целью применения полученных знаний при построении нейроморфных вычислительных платформ, так и для реализации высокопроизводительных интерфейсов мозг-машина. При реализации таких интерфейсов на классической элементной базе возникают проблемы с энерговыделением и плотностью интерфейса, которые могут быть решены применением новых резистивных элементов с памятью – мемристоров.
Создание двунаправленных нейроинтерфейсов высокой плотности необходимо как для изучения работы биологических нейронных сетей с целью применения полученных знаний при построении нейроморфных вычислительных платформ, так и для реализации высокопроизводительных интерфейсов мозг-машина. При реализации таких интерфейсов на классической элементной базе возникают проблемы с энерговыделением и плотностью интерфейса, которые могут быть решены применением новых резистивных элементов с памятью – мемристоров.
оптогенетические инструменты – набор технологий исследования работы нервных клеток, основанный на внедрении в их мембрану специальных белков, реагирующих на возбуждение светом
нейросетевой сопроцессор – аппаратная реализация процессора, построенного с использованием принципов организации и функционирования биологических нейронных сетей, для обработки поступающей от нейронов информации
мемристорная память – блоки встроенной резистивной энергонезависимой памяти на чипе с КМОП-компонентами и нейросетевым сопроцессором
нейросетевой сопроцессор – аппаратная реализация процессора, построенного с использованием принципов организации и функционирования биологических нейронных сетей, для обработки поступающей от нейронов информации
мемристорная память – блоки встроенной резистивной энергонезависимой памяти на чипе с КМОП-компонентами и нейросетевым сопроцессором
Группой специалистов ведется разработка по двум направлениям:
1
Разработка новых подходов и элементной базы для реализации энергоэффективных интеллектуальных устройств.
В рамках первого направления разрабатываются:
- программно-аппаратный стек, состоящий из специализированных нейроморфных процессорных ядер для ускорения нейросетевых алгоритмов и необходимого программного обеспечения, в частности компиляторов и оптимизаторов нейронных сетей;
- подходы к повышению энергоэффективности процессоров за счет использования новых типов памяти.
2
Создание на их основе двунаправленных нейроинтерфейсов следующего поколения.
Указанные наработки в используются при реализации второго направления – создании нейроинтерфейсов высокой плотности, обеспечивающих широкополосный двунаправленный интерфейс с нервной тканью. Разрабатываемые нейроинтерфейсы представляют собой системы на кристалле, содержащие специально разработанную интерфейсную электронику и нейроморфные сопроцессоры и реализующие обработку нейронных сигналов непосредственно на чипе.
Технологии
- аналоговые компоненты ввода-вывода нейрофизиологических данных;
- нейросетевые сопроцессоры и генераторы энергонезависимой памяти для них;
- компоненты для оптического возбуждения нейронов и электрической регистрации сигналов;
- оптогенетические инструменты и методы их таргетной доставки в клетки и др.
На рис.: Оптически активные канальные белки (родопсины), с помощью которых удастся создать прецизионное воздействие на отдельные нейроны
Для обеспечения локализованного ввода информации в нервную ткань разрабатывается метод, основанный на оптогенетике, позволяющий стимулировать отдельные нейроны светом.
- В рамках НИОКР в феврале 2019 года была продемонстрирована работа первого российского специализированного нейросетевого сопроцессора для энергоэффективного выполнения алгоритмов машинного обучения. В лаборатории нейровычислительных систем были разработаны основные элементы: процессорные ядра, интерфейсы и основное программное обеспечение.
- В ходе дальнейших работ над проектом специалистами совместно с партнерами был создан прототип интегральной встраиваемой сегнетоэлектрической памяти, который обладает преимуществами по сравнению с флэш-памятью (низкое энергопотребление, быстрая запись информации, больший ресурс циклов перезаписи). Сегнетоэлектрические ячейки памяти на основе оксида гафния стали одними из первых в мире, их модификации сейчас используются лабораторией в нейровычислительных устройствах для более эффективной обработки данных.
- В 2020 году лабораторией также были разработаны две системы (для in-vitro - см. фото - и in-vivo исследований), позволяющие в режиме реального времени измерять слабые электрические сигналы, которые индуцируются нервной тканью, и, таким образом, получать биологическую обратную связь. Обе системы оснащены нейросетевыми сопроцессорами с реконфигурируемыми элементами, использующими алгоритмы глубокого машинного обучения.
- для in-vivo применений – методика создания сверхтонких многослойных электрокортикографических зондов, обеспечивающих относительно малоинвазивные измерения потенциалов коры головного мозга;
- для in-vitro измерений – технологии создания высокоплотных матриц интерфейсных электродов, позволяющих интегрировать в массив электродов светоизлучающие матрицы на основе органических светодиодов для проведения оптогенетических исследований (изучения реакции оптически активных фоточувствительных белков на световые импульсы).
Отрасли применения
Потенциал разработки предполагает практическое применение:
- в медицине: при разработке различных типов нейропротезов и при лечении нейродегенеративных расстройств;
- в фармацевтике: в сфере предклинических испытаний лекарств;
- в биологии: для изучения работы биологических нейронных сетей;
- в технике: для построения перспективных интеллектуальных систем (например, интеллектуальных процессоров для IoT устройств).
Партнеры
Юлихский исследовательский центр (Германия), Институт Биофизики общества Макса-Планка (Германия), ФПИ, Казанский федеральный университет
Руководитель проекта
Негров Дмитрий Владимирович