Platforma sprzętowo‑programowa HiAER-spike rekonfigurowalna do zdarzeniowego, neuromorficznego przetwarzania na dużą skalę

Dlaczego nowy typ komputera ma znaczenie

Większość współczesnej sztucznej inteligencji działa na sprzęcie zaprojektowanym dekady temu z myślą o arkuszach kalkulacyjnych i edytorach tekstu, a nie o mózgach. W miarę jak badacze dążą do tworzenia inteligentniejszych i bardziej energooszczędnych maszyn, napotykają ograniczenia mocy, prędkości i skali. W artykule przedstawiono HiAER‑Spike — platformę neuromorficzną, która przetwarza informacje w postaci impulsyw (spike’ów) — krótkich zdarzeń elektrycznych — podobnie jak prawdziwe neurony. Zbudowana jako zasób współdzielony w San Diego Supercomputer Center, ma umożliwić naukowcom na całym świecie eksperymentowanie z inspirowaną mózgiem AI na skali zbliżonej do mózgów małych zwierząt, zużywając przy tym znacznie mniej energii niż systemy konwencjonalne.

Budowanie maszyny inspirowanej mózgiem

HiAER‑Spike to duży klaster serwerów, z których każdy wyposażony jest w wydajne rekonfigurowalne układy zwane FPGA. Zamiast wykonywać zwykłe instrukcje programowe, układy te są skonfigurowane tak, by działać jak rozległe sieci sztucznych neuronów i synaps — tzw. spike’ujące sieci neuronowe. Cały system został zaprojektowany tak, by obsłużyć do około 160 milionów neuronów modelowych i 40 miliardów synaps — czyli ponad dwukrotnie więcej niż wynosi liczba neuronów w mózgu myszy — symulując je szybciej niż w czasie rzeczywistym. Specjalny schemat komunikacji, zwany hierarchicznym adresowo‑zdarzeniowym routowaniem (hierarchical address‑event routing), zapewnia szybkie przemieszczanie spike’ów między grupami neuronów na tym samym układzie, między różnymi układami i nawet między serwerami, równoważąc gęsty ruch lokalny z rzadkimi połączeniami długodystansowymi, podobnie jak istota szara i biała w mózgu.

Upakowanie ogromnych sieci w ograniczonym sprzęcie

Jednym z głównych wyzwań przy budowie takich systemów jest samo przechowywanie wszystkich połączeń. Nowoczesne sieci neuronowe bywają bardzo duże, lecz jednocześnie rzadkie — większość możliwych połączeń nie jest używana. HiAER‑Spike wykorzystuje tę rzadkość, przechowując tylko istniejące połączenia w efektywnej liście, zamiast pełnej macierzy wszystkich możliwości. Wagi synaptyczne znajdują się w pamięci o dużej przepustowości na każdym FPGA, podczas gdy szybko zmieniające się stany neuronów i aksonów są przechowywane w szybszej pamięci wewnątrz układu. Gdy pojawiają się spike’i, system najpierw sprawdza, które synapsy są dotknięte, następnie pobiera ich siły i aktualizuje neurony docelowe. Ten dwustopniowy proces, połączony z dokładnym upakowaniem danych w pamięci, utrzymuje niskie zużycie energii i opóźnienia, nawet gdy sieci stają się bardzo duże.

Ułatwienie korzystania z zaawansowanego sprzętu

Aby udostępnić tę wyspecjalizowaną maszynę osobom bez głębokiej wiedzy sprzętowej, autorzy stworzyli wysokopoziomowy interfejs programowy w Pythonie i C++. Użytkownicy opisują swoje sieci spike’ujące prostymi obiektami — definiując typy neuronów, wejścia, połączenia i wyjścia — bez konieczności martwienia się szczegółami sprzętowymi niskiego poziomu. Ten sam kod może działać albo jako lokalna symulacja programowa, albo, jeśli zostanie przesłany przez portal Neuroscience Gateway, na samym sprzęcie HiAER‑Spike. Platforma obecnie wspiera proste neurony binarne i neurony typu leaky integrate‑and‑fire, z opcjami losowości w ich zachowaniu, i pozwala mieszać różne typy neuronów w obrębie jednej sieci. Taki projekt pozwala badaczom prototypować modele na laptopie, a następnie bez przeszkód skalować je na duży klaster neuromorficzny.

Wykorzystanie spike’ów w zadaniach rzeczywistych

Aby pokazać możliwości platformy, zespół przekształcił różne standardowe modele widzenia i sterowania na formę spike’ującą i uruchomił je na pojedynczym rdzeniu jednego FPGA. Przetestowali rozpoznawanie cyfr na klasycznym zbiorze MNIST, rozpoznawanie gestów z wykorzystaniem kamer zdarzeniowych, które emitują spike’i zamiast klatek, rozpoznawanie obiektów na obrazach CIFAR‑10, a nawet sterowanie grą Atari Pong przy użyciu reprezentacji ruchu opartej na spike’ach. W tych zadaniach sprzęt osiągał zbliżoną dokładność do symulacji programowych po kwantyzacji wag, często różniąc się o mniej niż kilka punktów procentowych, przy jednoczesnym bardzo niskim opóźnieniu i zużyciu energii. Na przykład niektóre sieci do rozpoznawania cyfr osiągały ponad 98% dokładności przy zużyciu energii rzędu mikro­dżuli i opóźnieniach rzędu mikrosekund na obraz.

Dokąd może zaprowadzić ta nowa platforma

Dla czytelnika niebędącego specjalistą kluczowa informacja jest taka, że HiAER‑Spike to elastyczne, inspirowane mózgiem środowisko obliczeniowe, z którego może korzystać każdy w społeczności badawczej zdalnie. Nawet na wczesnym etapie pojedynczy rdzeń może uruchamiać spore sieci spike’ujące do zadań takich jak rozpoznawanie gestów z kamer zdarzeniowych, przy znacznie niższym zużyciu energii i czasie niż wiele konkurencyjnych systemów. W miarę podłączania kolejnych rdzeni i płyt oraz rozbudowy oprogramowania o bogatsze modele neuronów i reguły uczenia, platforma może pomóc zbliżyć neurorozpoznanie i AI — wspierając eksperymenty badające, jak duże sieci spike’ów mogą napędzać efektywne systemy percepcji, podejmowania decyzji i przyszłe energooszczędne urządzenia inteligentne.

Cytowanie: 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

Słowa kluczowe: komputery neuromorficzne, spike’ujące sieci neuronowe, akcelerator FPGA, wizja zdarzeniowa, sprzęt inspirowany mózgiem