به یک اَبَر رایانه احتیاج دارید؟ رایانه رومیزی و GPU شما ممکن است برای حل بزرگترین مشکلات کافی باشد.

[av_heading heading=’به یک اَبَر رایانه احتیاج دارید؟ رایانه رومیزی و GPU شما ممکن است برای حل بزرگترین مشکلات کافی باشد.’ tag=’h1′ link_apply=” link=’manually,http://’ link_target=” style=” size=” subheading_active=” subheading_size=’15’ margin=” padding=’10’ color=” custom_font=” custom_class=” admin_preview_bg=” av-desktop-hide=” av-medium-hide=” av-small-hide=” av-mini-hide=” av-medium-font-size-title=” av-small-font-size-title=” av-mini-font-size-title=” av-medium-font-size=” av-small-font-size=” av-mini-font-size=” av_uid=’av-uh60ux’][/av_heading] [av_textblock size=” font_color=” color=” av-medium-font-size=” av-small-font-size=” av-mini-font-size=” av_uid=’av-kk8jokmf’ custom_class=” admin_preview_bg=”]

شبیه سازی بخشی از مغز یک میمون با یک GPU

به یک اَبَر رایانه احتیاج دارید؟ رایانه رومیزی و GPU شما ممکن است برای حل بزرگترین مشکلات کافی باشد. تیمی از محققانی که به یک پردازنده گرافیکی تک توربوشارژ مجهز شده اند، بخشی از مغز یک میمون را با موفقیت شبیه سازی کرده اند. چیزی که به طور معمول به یک ابر رایانه قدرتمند و گران قیمت احتیاج دارد. اما به گفته دانشمندان اکنون می تواند از طریق رایانه رومیزی انجام شود.
این آزمایش که شامل شبیه سازی میلیون ها نورون و همچنین میلیاردها ارتباط بین این سلول های عصبی است، توسط محققان دانشگاه ساسکس با استفاده از یک رایانه رومیزی و آخرین نسل پردازش های گرافیکی (GPU) انجام شد.

در حالی که پردازنده های گرافیکی از مدت ها قبل برای تسریع فرآیند های محاسبات مدل های هوش مصنوعی استفاده شده اند، اجرای یک مدل با این اندازه روی سخت افزار که در اتاق های بازی بیشتر گیمرها یافت می شود، اولین بار است. محققان با استفاده از روش جدیدی که ابداع کرده اند، به طور موثر مدلی از قشر بینایی ماکاک، با میلیاردها سیناپس، که قبلاً فقط روی ابر رایانه شبیه سازی می شد، ایجاد کردند.
مدل سازی مغز به طور معمول به یک شبکه عصبی چرخشی نیاز دارد. یک کلاس خاص از سیستم های هوش مصنوعی که رفتار مغز را تقلید می کند، در این مدل های نورونی با توالی خوشه ها ارتباط برقرار می کنند.
برای پیش بینی دقیق تأثیر اسپایک ها بر سلولهای عصبی، معمولاً قبل از اجرای شبیه سازی ، اطلاعاتی که توصیف می کند کدام سلولهای عصبی توسط سیناپس بهم متصل می شوند – و تا چه اندازه قوی هستند – تولید و ذخیره می شود. از آنجا که سلول های عصبی فقط به صورت دوره ای می چرخند، نگه داشتن مداوم حجم عظیمی از داده ها در حافظه بسیار بی اثر است.
از طرف دیگر، اتصال رویه ای، محققان را قادر می سازد به جای ذخیره و بازیابی اطلاعات از حافظه، اطلاعاتی را درباره اتصال نورونها و فقط در صورت نیاز تولید کنند. این امر به طور کامل نیاز به ذخیره اطلاعات اتصال در حافظه را برطرف می کند.
جیمز نایت، یکی از محققان علوم کامپیوتر در دانشگاه ساسکس، که یکی از نویسندگان این تحقیق است، گفته است: این آزمایش ها به طور معمول نیاز دارد که شما تمام داده های اتصال را از قبل تولید کنید و حافظه را با آن پر کنید و روش ما جلوگیری از این فرآیند است. با استفاده از رویکرد ما، هر بار که یک خوشه از طریق یک سلول عصبی ساطع می شود، جزئیات اتصال دوباره تولید می شود.
بنابراین، با استفاده از مقدار زیاد توان محاسباتی GPU، شبکه عصبی خوشه ای می تواند “از نظر رویه ای” داده های اتصال را در حین حرکت ایجاد کند. زیرا خوشه های عصبی ایجاد می شوند.
این روش بر اساس تحقیقاتی است که در ابتدا توسط محقق آمریکایی یوجین ایژیکویچ در سال 2006 پیشنهاد شد. اما رایانه ها در آن زمان بسیار کند بودند و این ایده به طور گسترده قابل استفاده بود. گرچه پردازنده های گرافیکی مدرن می توانند حدود 2000 برابر قدرت محاسباتی موجود در 15 سال پیش را داشته باشند.  به گفته نایت اکنون “مناسب ترین گزینه” برای افزایش شبکه های عصبی هستند.
در حقیقت، نه تنها نتایج محققان با نتایج حاصل از ابر رایانه های پیشرفته مطابقت داشت، بلکه سریعتر به نتایج رسید. 8.4 دقیقه طول کشید تا مدل بتواند هر ثانیه بیولوژیکی را در حالت استراحت شبیه سازی کند – تا 35٪ زمان کمتر از شبیه سازی های فوق رایانه قبلی، مانند نمونه ای که با استفاده از ابر رایانه IBM Blue Gene / Q در سال 2018 اجرا شد.
همانطور که نایت توضیح می دهد، این به این دلیل است که دستگاه IBM از 1000 گره یا نود محاسباتی تشکیل شده است. این نودها در یک باکس بهم متصل شده اند. این دانشمند می گوید: “هرچقدر که سیستم پیچیده باشد، هنوز بین نود ها تاخیر وجود دارد. هرچه مدل خود را بیشتر گسترش دهید، سرعت آن کندتر خواهد بود. مدل ما می تواند محاسبات را با سرعت بیشتری داشته باشد.”
روش نایت و تیم او می تواند به محققان علوم اعصاب و هوش مصنوعی اجازه دهد مدارهای مغزی را در ایستگاه های کاری محلی خود شبیه سازی کنند. اما همچنین افراد خارج از دانشگاه را قادر می سازند PC بازی خود را به رایانه ای تبدیل کنند که می تواند شبکه های عصبی بزرگی را اجرا کند. نایت می گوید: “یکی از بازرسان علوم محاسبات طبیعی وظیفه داشت که کار را تکثیر کند و از طریق رایانه خود امتحان کند. “بنابراین ، اگر رایانه و GPU مناسبی دارید، می توانید مقاله را برای راهنمایی در مورد نحوه تولید مجدد آن بررسی کنید.”
البته اتصال رویه ای، به ویژه برای شبکه های عصبی پرپیچ و خم که برای آزمایش های شبیه سازی مغز استفاده می شوند، مناسب است، اما نایت اطمینان دارد که با یادگیری سرعت یادگیری ماشین با الهام از مغز، برنامه های هوش مصنوعی بیشتری ظاهر می شوند. اینكه آیا می توان رفتار مغز پستانداران را ترسیم كرد و یا ابزارهای بهتری برای تشخیص گفتار ایجاد كرد، شبکه های عصبی فزاینده به طور فزاینده ای توجه دانشمندان و بازرگانان را به خود جلب می كنند. و حالا با داشتن GPU مناسب، این فناوری های نسل بعدی می توانند مستقیماً از خانه شروع شوند.

[/av_textblock] [av_one_full first min_height=” vertical_alignment=” space=” custom_margin=” margin=’0px’ row_boxshadow=” row_boxshadow_color=” row_boxshadow_width=’10’ link=” linktarget=” link_hover=” padding=’0px’ highlight=” highlight_size=” border=” border_color=” radius=’0px’ column_boxshadow=” column_boxshadow_color=” column_boxshadow_width=’10’ background=’bg_color’ background_color=” background_gradient_color1=” background_gradient_color2=” background_gradient_direction=’vertical’ src=” background_position=’top left’ background_repeat=’no-repeat’ animation=” mobile_breaking=” mobile_display=” av_uid=’av-kw5bhw’] [av_hr class=’custom’ height=’50’ shadow=’no-shadow’ position=’center’ custom_border=’av-border-thin’ custom_width=’50px’ custom_border_color=” custom_margin_top=’30px’ custom_margin_bottom=’30px’ icon_select=’yes’ custom_icon_color=’#7bb0e7′ icon=’ue857′ font=’entypo-fontello’ av_uid=’av-kk8jxbw4′ custom_class=” admin_preview_bg=”] [av_icon_box position=’top’ icon_style=” boxed=” icon=’ue81f’ font=’entypo-fontello’ title=” link=” linktarget=” linkelement=” font_color=” custom_title=” custom_content=” color=” custom_bg=” custom_font=” custom_border=” av-medium-font-size-title=” av-small-font-size-title=” av-mini-font-size-title=” av-medium-font-size=” av-small-font-size=” av-mini-font-size=” av_uid=’av-kk8jy12r’ custom_class=” admin_preview_bg=”]

بیشتر بدانید

[/av_icon_box] [av_postslider link=’category,53,1645′ wc_prod_visible=” prod_order_by=” prod_order=” columns=’3′ items=’9′ offset=’0′ contents=’title’ preview_mode=’auto’ image_size=’portfolio’ autoplay=’no’ interval=’5′ av_uid=’av-kk8jyjdz’ custom_class=”] [av_hr class=’default’ height=’50’ shadow=’no-shadow’ position=’center’ custom_border=’av-border-thin’ custom_width=’50px’ custom_border_color=” custom_margin_top=’30px’ custom_margin_bottom=’30px’ icon_select=’yes’ custom_icon_color=” icon=’ue808′ av-desktop-hide=” av-medium-hide=” av-small-hide=” av-mini-hide=” av_uid=’av-rq7rtg’] [av_social_share title=’اشتراک این مطلب’ style=’minimal’ buttons=’custom’ share_twitter=’aviaTBshare_twitter’ share_linkedin=’aviaTBshare_linkedin’ share_mail=’aviaTBshare_mail’ av_uid=’av-k4b6xs3w’ custom_class=” admin_preview_bg=”] [/av_one_full]