生物工程师创造神经格栅 - 一种在人脑上建模的电路板

斯坦福生物工程已经开发出一种在人脑上建模的电路板，可以实时模拟大规模的神经模型。

斯坦福生物工程师开发了一种在人类大脑上建模的新电路板，可能在机器人和计算中开辟了新的边界。

对于他们所有的复杂性，与大脑相比，计算机苍白。例如，鼠标的适度Cortex比其功能的个人计算机模拟快9000倍。

PC不仅较慢，运行需要40万倍，斯坦福州生物工程副教授Kwabena Boahen在IEEE的诉讼程序中写道kwabena boahen。

“从纯粹的能量角度来看，大脑难以匹配，”Boahen说，其文章调查了美国和欧洲的“神经族胸”研究人员如何使用硅和软件来构建模仿神经元和突触的电子系统。

Boahen和他的团队已经开发出神经格栅，这是一个由16个定制设计的“神经电科”芯片组成的电路板。这些16个芯片一起可以模拟100万神经元和数十亿个突触连接。该团队以功率效率设计了这些芯片。他们的策略是启用某些突触来共享硬件电路。结果是神经格栅 - 一个关于iPad大小的装置，可以模拟更多神经元和突触的序列，而不是其他大脑模仿运行平板电脑的电源。

全国卫生研究院资助本百万神经元原型的开发，具有五年的先锋奖。现在Boahen立即展望下一步 - 降低成本和创建编译器软件，使工程师和计算机科学家能够了解神经科学的知识来解决问题 - 例如使用神经格栅控制人形机器人。

它的速度和低功率特性使神经格栅成为仅仅是建模人类的脑。Boahen正在与其他斯坦福科学家合作，为瘫痪的人开发假肢肢体，这些人将被神经科学芯片控制。

“现在，你必须知道大脑如何运作其中一个，”Boahen说，在他的斯坦福办事处桌子上的40,000美元的原型板上打手势。“我们想创建一个神经系列，使您无需了解任何关于突触和神经元以能够使用其中一个的内容。”

脑发酵

在他的文章中，Boahen注意到神经形态研究的较大背景，包括欧盟人脑项目，旨在模拟超级计算机上的人类大脑。相比之下，美国大脑项目 - 通过推进创新的神经技术来脑力研究 - 已经通过挑战科学家（包括斯坦福）的挑战性的科学家培养了一种工具 - 建筑方法，以开发可以读出数千甚至数百万的活动的新工具大脑中的神经元以及写入复杂的活动模式。

从大图中缩放，Boahen的文章侧重于两种项目，该项目可与神经格栅相当，试图在硅和/或软件中模拟大脑功能。

其中一种努力是IBM的突触项目 - 神经形态自适应塑料可伸缩电子系统的简短。据称暗示，突触涉及重新设计芯片，代码名为Goldge Gate的投标，以模拟神经元的能力，以使许多突触连接的能力 - 一个有助于大脑在飞行中解决问题的功能。目前，金门芯片由256个数字神经元组成，每个数字神经元都配备了1,024个数字突触电路，轨道上有IBM，大大增加了系统中神经元的数量。

海德堡大学的Brinscales项目具有开发模拟芯片的雄心勃勃的目标，以模仿神经元和突触的行为。它们的HICANN芯片 - 用于高输入计数模拟神经网络 - 将成为旨在加速脑仿真的系统的核心，使研究人员能够在压缩时间范围内播放可能需要数月的药物相互作用。目前，HICANN系统可以仿真512神经元，每个神经元配备有224个突触电路，具有路线图，可以大大扩展该硬件基础。

这些研究团队中的每一个都制作了不同的技术选择，例如是否专用每个硬件电路来建造单个神经元素（例如，单个突触）或几个（例如，通过激活硬件电路两次以模拟两个有效的效果突触）。这些选择在能力和性能方面导致了不同的权衡。

在他的分析中，Boahen创建了一个单一的指标，以考虑总系统成本 - 包括芯片的大小，它模拟了多少神经元和它消耗的电力。

神经格栅是迄今为止模拟神经元的最具成本效益的方式，以便与Boahen一起创建一种能够在研究中被广泛使用的系统的目标。

速度和效率

但是很多工作都在前面。每百万神经元神经格栅电路板的每一个都花费约40,000美元。Boahen相信戏剧性的成本降低是可能的。神经格栅基于16个神经核科，每个神经痛支持65,536个神经元。这些芯片是使用15岁的制造技术制造的。

通过切换到现代制造工艺并制造大量的芯片，他可以削减Neurocore的成本100倍 - 建议百万神经元板以400美元的副本。通过这种更便宜的硬件和编译器软件使其易于康复，这些神经形态系统可以找到许多应用。

例如，随着人类大脑的速度和高效的芯片可能会引发假肢肢体的速度和复杂性 - 但不被系在电源。Krishna Shenoy是斯坦福和Boahen的邻国跨学科Bio-X中心的电气工程教授，正在开发阅读大脑信号以了解运动。Boahen设想了一种像瘫痪的人的大脑中可以植入的神科芯片，解释那些预期的运动并将它们转化为假肢肢体的命令，而不会过热大脑。

博阿亨实验室的一个小假肢手臂目前由神经格栅控制实时执行运动命令。现在，它看起来并不多，但它的简单杠杆和关节对未来的机器人肢体保持希望。

当然，所有这些神经形态的努力都是人脑的复杂性和效率的乞讨。

在他的文章中，Boahen指出，Neurogrid比100万神经元的个人计算机模拟更高的能量效率约为100,000倍。然而，与我们的生物CPU相比，它是一种能量猪。

“人类大脑，高于神经元的神经元的80,000倍，只能消耗三倍的力量，”Boahen写道。“在提供更大的可配置性和规模的同时实现这种能源效率，是终极挑战神经形态工程师面临。”

出版物：Benjamin，B.V.等，“Neurogrid：用于大规模神经模拟的混合模数多芯片系统，“IEEE的程序”，2014; DOI：10.1109 / JPROC.2014.2313565

图像：斯坦福大学