HiAER-spike — программно‑аппаратная перенастраиваемая платформа для событийно‑управляемых нейроморфных вычислений в масштабах

Зачем нужен новый тип компьютера

Большая часть современных систем искусственного интеллекта работает на аппаратуре, разработанной десятилетия назад для электронных таблиц и текстовых процессоров, а не для имитации мозга. По мере того как учёные стремятся к более умным и энергоэффективным машинам, они натыкаются на ограничения по энергопотреблению, скорости и масштабируемости. В этой статье представлена HiAER‑Spike — нейроморфная вычислительная платформа, которая обрабатывает информацию в виде импульсов — кратких электрических событий — подобно настоящим нейронам. Созданная как общий ресурс в San Diego Supercomputer Center, она призвана дать исследователям по всему миру возможность экспериментировать с мозгоподобным ИИ в масштабах, приближающихся к мозгу небольшого животного, при значительно меньшем энергопотреблении по сравнению с традиционными системами.

Построение машины, вдохновлённой мозгом

HiAER‑Spike — это большой кластер серверов, каждый из которых оснащён мощными перенастраиваемыми чипами — FPGA. Вместо выполнения обычных программных инструкций эти чипы конфигурируются так, чтобы действовать как обширные сети искусственных нейронов и синапсов, называемые импульсными нейронными сетями. Полная система рассчитана на работу примерно с 160 миллионами модельных нейронов и 40 миллиардами синапсов — более чем вдвое превышая число нейронов в мозге мыши — при одновременном моделировании быстрее реального времени. Специальная схема связи, называемая иерархической маршрутизацией адрес‑событий (hierarchical address‑event routing), обеспечивает быструю передачу импульсов между группами нейронов на одном чипе, между разными чипами и даже между серверами, сочетая плотный локальный трафик с редкими дальними связями, подобно серому и белому веществу мозга.

Вписывание огромных сетей в ограниченное оборудование

Одна из основных проблем при создании таких систем — это хранение всех соединений. Современные нейронные сети часто очень большие, но при этом разреженные: большинство потенциальных связей не используются. HiAER‑Spike использует эту разреженность, сохраняя только существующие соединения в эффективном списке, а не в полном сеточном представлении всех возможностей. Синаптические веса размещаются в памяти с высокой пропускной способностью на каждом FPGA, тогда как быстро меняющиеся состояния нейронов и аксонов хранятся в более быстрой on‑chip памяти. Когда возникают импульсы, система сперва определяет, какие синапсы затронуты, затем извлекает их веса и обновляет целевые нейроны. Этот двухэтапный процесс в сочетании с продуманной упаковкой данных в памяти обеспечивает низкое энергопотребление и малую задержку даже по мере роста сети.

Делая продвинутое оборудование удобным в использовании

Чтобы открыть эту специализированную машину для непрофессионалов, авторы создали высокоуровневый программный интерфейс на Python и C++. Пользователи описывают свои импульсные сети простыми объектами — определяя типы нейронов, входы, соединения и выходы — не заботясь о низкоуровневых деталях аппаратуры. Тот же код может выполняться локально в программной симуляции или, если его отправить через портал Neuroscience Gateway, на самом оборудовании HiAER‑Spike. Платформа в настоящее время поддерживает простые бинарные нейроны и нейроны типа leaky integrate‑and‑fire с возможностью включения стохастичности в их поведении, а также позволяет смешивать разные типы нейронов в одной сети. Такая конструкция позволяет исследователям прототипировать модели на ноутбуке, а затем бесшовно масштабировать их до большого нейроморфного кластера.

Применение импульсов к реальным задачам

Чтобы продемонстрировать возможности платформы, команда перевела ряд стандартных моделей зрения и управления в импульсную форму и запустила их на одном ядре FPGA. Они тестировали распознавание цифр на классическом наборе MNIST, распознавание жестов с использованием событийных камер, которые выдают импульсы вместо кадров, распознавание объектов на изображениях CIFAR‑10 и даже управление в игре Atari Pong, используя импульсное представление движения. По этим задачам аппаратура в целом достигала точности, близкой к программным симуляциям после квантизации весов, часто отличаясь менее чем на пару процентных пунктов, при обеспечении очень низкой задержки и энергопотребления. Например, некоторые сети для распознавания цифр достигали более 98% точности при энергозатратах в микроджоулях и задержках в микросекундах на изображение.

К чему может привести эта новая платформа

Для непрофессионального читателя ключевая мысль такова: HiAER‑Spike — гибкая, вдохновлённая мозгом вычислительная платформа, которой исследовательское сообщество может пользоваться удалённо. Даже на ранней стадии один одноядерный модуль способен выполнять значительные импульсные сети для задач вроде распознавания жестов с событийных камер, потребляя значительно меньше энергии и времени по сравнению со многими конкурирующими системами. По мере подключения большего числа ядер и плат и расширения программного обеспечения более сложными моделями нейронов и правилами обучения, эта платформа может помочь сблизить нейронауку и ИИ — поддерживая эксперименты по изучению того, как крупные сети импульсов могут обеспечивать энергоэффективное восприятие, принятие решений и работу будущих энергоэффективных интеллектуальных устройств.

Цитирование: 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

Ключевые слова: нейроморфные вычисления, импульсные нейронные сети, ускоритель на FPGA, событийное зрение, аппаратное обеспечение, вдохновлённое мозгом