Продвинутые проектные решения нейронной логики с использованием импульсных моделей: рамочная структура для последовательной биовычислительной обработки

Почему важно строить компьютеры из клеток мозга

По мере того как наши ноутбуки и центры обработки данных становятся всё мощнее, они также сильнее нагреваются, потребляют больше электроэнергии и сложнее миниатюризируются. В этой статье исследуется радикально иной путь: использование сетей клеток, похожих на нервные клетки мозга, в качестве строительных блоков будущих компьютеров. Авторы показывают в компьютерных моделях, как небольшие группы модельных нейронов можно соединять и настраивать так, чтобы они вели себя как знакомые цифровые компоненты — логические элементы и ячейки памяти — при контролируемом энергопотреблении. Их методика может служить ориентиром для будущих «живых чипов», созданных из реальных нейронов, или для нейроморфного аппаратного обеспечения.

От горячего кремния к живым схемам

Современные кремниевые микросхемы упираются в физические ограничения, заданные тепловыделением, энергопотреблением и минимальными размерами транзисторов. В то же время биологические системы, особенно нейроны, уже выполняют поразительные задачи обработки информации, потребляя очень мало энергии. Исследователи поэтому задаются вопросом, можно ли позаимствовать идеи или даже материалы у биологии для создания новых типов компьютеров. Нейронные сети, выращенные в лаборатории, уже научились распознавать речь и даже играть в простые видеоигры, что свидетельствует о возможности организации клеток в целенаправленные информационные процессоры. Однако до сих пор не существовало ясного, повторно применимого рецепта, позволяющего заставить эти нейронные схемы работать как точные, синхронизированные логические блоки цифровой электроники.

Обучение импульсных нейронов говорить на языке битов

Авторы решают эту задачу, проектируя сети имульсных нейронов в моделировании — математических моделей, имитирующих то, как реальные нейроны посылают краткие электрические импульсы. Они трактуют наличие всплеска импульсов как цифровую «1», а их отсутствие — как «0». Тщательно подбирая силы и временные задержки связей между нейронами, они создают версии стандартных логических элементов: AND, AND-NOT, NOT и NAND. Эти элементы — алфавит цифровой логики; только NAND достаточно для построения любой логической функции. Ключевой приём — сочетание возбуждающих связей, которые стимулируют нейрон к спайку, с ингибирующими, которые подавляют активность. Например, их элемент AND-NOT срабатывает только тогда, когда вход «вперёд» активен, а вход «стоп» тих, что очень близко повторяет то, как некоторые реальные нейроны взвешивают входящие сигналы.

Как заставить нейроны запоминать, как микросхемы

Помимо простых элементов, в настоящих компьютерах используются схемы, способные запоминать прошлые входы. Команда показывает, как собрать их нейронные элементы в классические конструкции цифровой памяти. Они создают триггер SR, который хранит один бит, возвращая выходы двух элементов друг в друга, а также затворный SR-триггер, реагирующий только при наличии дополнительного управляющего сигнала. Далее они проектируют D-триггер по фронту (D flip-flop) — стандартный элемент памяти, который копирует вход только на нарастающем фронте тактового сигнала. Чтобы согласовать время прихода импульсов в более сложных сетях, они вводят «нейронные буферы» — дополнительные нейроны, которые действуют как настраиваемые линии задержки, чтобы сигналы, приходящие по разным путям, попадали в элемент почти одновременно, что уменьшает ошибки логики, вызванные рассинхроном импульсов.

Баланс активности, похожей на мозговую, и энергопотребления

Главная проблема любой биологической вычислительной системы — это метаболические затраты: нейроны тратят энергию на генерацию импульсов и восстановление своей внутренней химии. Авторы сочетают свои импульсные модели с энергетической моделью, отслеживающей абстрактную величину, похожую на уровень топлива клетки. Затем они измеряют, как эта энергетическая переменная меняется при работе элементов и схем памяти. Для простых логических элементов и более сложных триггеров и D-триггеров моделируемая энергонагрузка остаётся в узком диапазоне даже по мере роста размеров схемы. Это указывает на то, что, по крайней мере в принципе, логика и хранение в цифровом стиле могут выполняться нейронами без неуправляемого роста энергозатрат, если схемы спроектированы с учётом синхронизации и баланса возбуждения и ингибиции.

Шаги к живым логическим машинам

Проще говоря, в статье утверждается, что небольшие сети нейронов можно соединять и настраивать так, чтобы они вели себя как выключатели и крошечные запоминающие элементы современных микросхем, оставаясь при этом метаболически стабильными. Работа пока виртуальна — живые нейроны не использовались — но проекты рассчитаны на перенос на платформы «нейрон-на-чипе» и на нейроморфное железо, имитирующее импульсные нейроны в кремнии. Предоставляя библиотеку повторно используемых нейронных логических компонентов, правила синхронизации их времени и оценки потребления энергии, эта рамочная структура переводит идею нейронных компьютеров из размыслий в инженерную реальность, где цифровая точность и биологическая адаптивность могли бы однажды сосуществовать в одном вычислительном устройстве.

Цитирование: Basso, G., Scherer, R. & Barros, M.T. Advanced neuronal logic circuit designs using spiking models: a framework for sequential biocomputation. npj Unconv. Comput. 3, 20 (2026). https://doi.org/10.1038/s44335-026-00066-4

Ключевые слова: нейронная биовычислительная техника, импульсные логические схемы, биологическая память, нейроморфное оборудование, энергоэффективные вычисления