פלטפורמת HiAER-spike תוכנה‑חומרה ניתנת להיפוך עבור חישוב נוירומורפי מונחה‑אירועים בקנה מידה גדול

מדוע סוג חדש של מחשב חשוב

רוב הבינה המלאכותית של היום רצה על חומרה שתוכננה לפני עשרות שנים עבור גיליונות אלקטרוניים ומעבדי תמלילים, לא עבור מוח. כאשר החוקרים שואפים למכונות חכמות ויעילות יותר, הם מתנגשים במגבלות של צריכת חשמל, מהירות וקנה מידה. מאמר זה מציג את HiAER‑Spike, פלטפורמת חישוב נוירומורפי שמעבדה מידע ב״ספייקים״ — אירועים חשמליים קצרים — בדומה לאופן שבו נוירונים אמיתיים פועלים. בנויה כמשאב משותף במרכז המחשוב העל‑ממוצע של סן דייגו, היא מיועדת לאפשר למדענים ברחבי העולם לניסוי בבינה בהשראת המוח בקנה מידה המתקרב למוחות של בעלי חיים קטנים, תוך שימוש באנרגיה מועטה בהרבה ממערכות קונבנציונליות.

בניית מכונה בהשראת המוח

HiAER‑Spike היא אשכול גדול של שרתים, כל אחד מצויד בשבבים רבי‑עוצמה הניתנים לתיכנות מחדש הנקראים FPGAs. במקום להריץ הוראות תוכנה שגרתיות, השבבים הללו מוגדרים לפעול כרשתות עצביות מלאכותיות עצומות של נוירונים וסינפסות, הנקראות רשתות עצביות מדליקות (spiking neural networks). המערכת השלמה מתוכננת לטפל עד בערך 160 מיליון נוירונים מודליים ו‑40 מיליארד סינפסות — יותר מפעמיים מספר הנוירונים במוח עכבר — תוך סימולציה במהירות העולה על זמן אמת. תכנית תקשורת מיוחדת, שנקראת ניתוב כתובות‑אירוע היררכי (hierarchical address‑event routing), מבטיחה שהספייקים יוכלו לנסוע במהירות בין קבוצות נוירונים באותו שבב, בין שבבים שונים ואף בין שרתים, ואיזון בין תעבורה מקומית צפופה לקשרים ארוכי‑טווח דלילים, בדומה לחומר האפור והלבן במוח.

התאמת רשתות ענק לחומרה מוגבלת

אתגר מרכזי בבניית מערכות כאלה הוא פשוט לאחסן את כל הקשרים. רשתות נוירוניות מודרניות רבות פעמים גדולות אך גם דלילות: רוב הקשרים האפשריים אינם בשימוש. HiAER‑Spike מנצלת את הדלילות הזו על‑ידי אחסון רק של הקשרים הקיימים ברשימה יעילה, במקום במטריצה מלאה של כל האפשרויות. משקלי הסינפסות מאוחסנים בזיכרון רוחב‑פס גבוה על כל FPGA, בעוד מצבים המשתנים במהירות של נוירונים ואקסונים נשמרים בזיכרון מהיר על‑השבב. כאשר מתרחשים ספייקים, המערכת בוחנת תחילה אילו סינפסות מושפעות, ואז מושכת את העוצמות שלהן ומעדכנת את הנוירונים היעדיים. תהליך דו‑שלבי זה, בשילוב עם אריזה זהירה של הנתונים בזיכרון, שומר על צריכת אנרגיה ועיכוב נמוכים, גם כאשר הרשתות גדלות מאוד.

להפוך חומרה מתקדמת לקלה לשימוש

כדי לפתוח את המכונה המיוחדת הזו גם בפני לא‑מומחים, המחברים פיתחו ממשק תוכנה ברמה גבוהה ב‑Python וב‑C++. המשתמשים מתארים את רשתות הספייקים שלהם באמצעות עצמים פשוטים — הגדרת סוגי נוירונים, כניסות, חיבורים ופלטים — בלי לדאוג לפרטי חומרה נמוכים. אותו קוד יכול לרוץ כסימולציה מקומית בתוכנה או, אם הוגש דרך פורטל Neuroscience Gateway, על חומרת HiAER‑Spike עצמה. הפלטפורמה תומכת כיום בניורונים בינאריים פשוטים ובנוירונים דליפתיים אינטגרטיביים‑והתפוצצות (leaky integrate‑and‑fire), עם אפשרויות לאקראיות בהתנהגותם, ומאפשרת לערבב סוגי נוירונים שונים בתוך רשת אחת. עיצוב זה מאפשר לחוקרים לפרוטוטייפ מודלים על מחשב נייד ואז להגדילם בצורה חלקה לאשכול הנוירומורפי הגדול.

להפעיל ספייקים על משימות אמתיות

כדי להדגים מה הפלטפורמה יכולה לעשות, הצוות המיר מגוון מודלים סטנדרטיים בתחום הראייה והבקרה לצורה מדליקה והריץ אותם על ליבה יחידה של FPGA אחד. הם בדקו זיהוי ספרות על מערך הנתונים הקלאסי MNIST, זיהוי מחוות באמצעות מצלמות מבוססות‑אירועים המפיצות ספייקים במקום פריימים, זיהוי עצמים על תמונות CIFAR‑10, ואפילו שליטה במשחק אטארי Pong באמצעות ייצוג מבוסס‑ספייקים של תנועה. במשימות הללו, החומרה התאימה במידה רבה לדיוק של סימולציות תוכנה לאחר כימות המשקלים, לעתים תוך אי‑הבדלים של פחות ממספר אחוזים בודדים, ובאותו זמן סיפקה השהיה וצריכת אנרגיה נמוכים מאוד. לדוגמה, רשתות זיהוי ספרות מסוימות הגיעו ליותר מ‑98 אחוזי דיוק עם צריכת אנרגיה של מיקרוג'אולים בלבד ועיכוב של מיקרו‑שניות לכל תמונה.

לאן הפלטפורמה החדשה הזו עלולה להוביל

לקורא שאינו מומחה, המסר המרכזי הוא ש‑HiAER‑Spike היא שולחן ניסויים גמיש, בהשראת המוח, שניתן להשתמש בו מרחוק על‑ידי כל אדם בקהילת המחקר. אפילו בשלביה המוקדמים, ליבה בודדת יכולה להריץ רשתות ספייקים משמעותיות למשימות כמו זיהוי מחוות ממצלמות מבוססות‑אירועים, תוך שימוש בהרבה פחות אנרגיה וזמן מאשר מערכות מתחרות רבות. ככל שיותר ליבות ולוחות יחוברו ושהתוכנה תוסיף מודלים עשירים יותר של נוירונים וכללי למידה, פלטפורמה זו עשויה לגשר בין מדעי המוח ל‑AI — לתמוך בניסויים הבוחנים כיצד רשתות ספייקים גדולות יכולות להניע תפיסה יעילה, קבלת החלטות והתקנים עתידיים חכמים בעלות‑נמוכה.

ציטוט: Frank, G., Hota, G., Wang, K. et al. HiAER-spike software-hardware reconfigurable platform for event-driven neuromorphic computing at scale. npj Unconv. Comput. 3, 22 (2026). https://doi.org/10.1038/s44335-026-00062-8

מילות מפתח: חישוב נוירומורפי, רשתות עצביות מדליקות (spiking), מאיץ FPGA, ראייה מבוססת אירועים, חומרה בהשראת המוח