Avoir un superordinateur chez soi
Les universitaires du College of Sussex ont mis au point une méthode de turbocompression des ordinateurs de bureau pour leur donner la même capacité que des supercalculateurs d’une valeur de dizaines de livres innombrables. Le docteur David Knight et le professeur Thomas Nowotny du College of Engineering and Informatics du College of Sussex ont utilisé les unités de traitement graphique (GPU) les plus récentes pour donner à un seul ordinateur de bureau la capacité d’imiter des modèles d’esprit de taille presque illimitée. Ils croient que l’avancement, complet de la science computationnelle de la nature, permettra à de nombreux autres chercheurs du monde entier d’entreprendre des études sur la simulation cérébrale à grande échelle, SEO Rennes y compris l’investigation des troubles neurologiques. Actuellement, le coût des supercalculateurs est vraiment prohibitif, ils ne sont abordables que pour les grandes organisations et les agences gouvernementales et ne sont donc pas accessibles pour de nombreux chercheurs. En plus d’économiser des dizaines de millions de livres sur les coûts du supercalculateur, les simulations fonctionnent sur l’ordinateur de bureau. L’ordinateur nécessite environ dix fois moins d’énergie, offrant également un avantage significatif en matière de durabilité. Le docteur Knight, chercheur en recherche scientifique en informatique personnelle au College of Sussex, a déclaré: « Je pense que le principal avantage de notre recherche est simplement l’accessibilité. En dehors de ces grandes entreprises, les universitaires doivent normalement postuler pour obtenir même peu de temps. un supercalculateur pour l’objectif scientifique. Il s’agit d’un tampon d’entrée raisonnablement plus élevé qui retient peut-être à nouveau un grand nombre d’études importantes. « Notre espoir pour nos propres recherches est maintenant d’appliquer ces stratégies à l’apprentissage automatique inspiré par l’esprit afin que nous peut aider à résoudre des problèmes dans lesquels les esprits biologiques réussissent bien mais qui dépassent actuellement les simulations. «Parallèlement aux développements que nous avons montrés dans la connectivité en ligne procédurale dans le contexte des équipements GPU, nous pensons qu’il est également possible de développer de nouveaux types de matériel neuromorphique construit à partir de zéro pour la connectivité en ligne procédurale. Des composants importants pourraient être mis en œuvre immédiatement dans matériel qui pourrait conduire à des améliorations encore plus substantielles du temps de calcul. » La recherche s’appuie sur la fonction révolutionnaire du spécialiste américain Eugene Izhikevich qui a mis au point une technique identique pour le simulateur de cerveau à grand niveau en 2006. À l’époque, les systèmes informatiques étaient trop lents pour que la méthode soit largement pertinente, ce qui signifie simuler des modèles cérébraux à grand niveau. n’a jusqu’à présent été possible que pour une minorité d’experts privilégiés d’avoir accès à des systèmes de supercalculateurs. Les chercheurs ont utilisé la méthode d’Izhikevich sur un GPU moderne, avec environ 2000 fois la puissance de calcul disponible il y a 15 ans, pour produire un modèle de bord réducteur du cortex visible d’un Macaque (avec 4,13 × 106 neurones et 24,2 × 109 synapse) qui ne pouvait auparavant être simulé sur le supercalculateur. Le simulateur de système neuronal à pic plus rapide du GPU des chercheurs utilise la grande puissance de calcul disponible sur un GPU pour produire « de manière procédurale » une connectivité et des charges de poids synaptiques « en déplacement » lorsque les surtensions sont déclenchées – éliminant ainsi le besoin de stocker la connectivité en ligne données en souvenir. L’initialisation du modèle des chercheurs a pris six minutes et la simulation de chaque seconde biologique a pris 7,7 minutes à l’état au sol et 8,4 minutes à l’état relaxant – jusqu’à 35% de temps en moins par rapport à un simulateur de supercalculateur précédent. En 2018, un seul détenteur du supercalculateur IBM Light blue Gene / Q, l’initialisation du modèle avait pris environ cinq minutes et simuler un 2ème du temps biologique avait pris environ 12 minutes. Le professeur Nowotny, professeur d’informatique au College of Sussex, a déclaré: «Les simulations à grand niveau de modèles de réseaux neuronaux à pointes sont un outil essentiel pour améliorer notre compréhension de la dynamique et éventuellement du but des esprits. Néanmoins, même les petits mammifères comme les rongeurs ont autour de l’achat de connexions synaptiques 1 × 1012, ce qui signifie que les simulations nécessitent un certain nombre de téraoctets de données – une exigence de mémoire irréaliste d’un seul appareil de bureau. « Ces études scientifiques changent la donne pour les experts en neurosciences informatiques et en IA capables de imite désormais les circuits de l’esprit sur leurs propres postes de travail à proximité, il permet également aux personnes extérieures au monde universitaire de transformer leur ordinateur de jeu en un superordinateur et d’exploiter de grands réseaux de neurones. «