Искусственный интеллект (ИИ) зависит от возможности генерировать анализ данных, близкий к реальному времени, однако современные компьютеры часто неэффективны в задачах распознавания, анализа и классификации больших объемов информации. Нейроморфные вычисления (НВ) призваны восполнить этот пробел путем эмуляции определенных аспектов функций мозга. Эта архитектура, вдохновленная работой мозга, объединяющая вычисления и память, эмулируя нейроны и синапсы, способна достичь требований, предъявляемых к системам ИИ следующего поколения. Технология НВ интегрирует алгоритмы для поддержки обучения в реальном времени с архитектурами, построенными на новом вычислительном аппаратном обеспечении, для решения конкретных пользовательских задач. Секторы исследований и разработок (НИОКР) и коммерческий сектор начали продвигать возможности НВ в некосмических приложениях. Космический сектор, вероятно, будет использовать достижения этих секторов НИОКР и коммерческого сектора как технологию "двойного применения" (spin-in). Однако не существует простого пути внедрения НВ в космический сектор. Спутниковые приложения предъявляют строгие требования, включая ограничения по размеру, массе и энергопотреблению, а также необходимость радиационной стойкости. Это обуславливает необходимость разработки устойчивых к космическим условиям решений на основе НВ. В этой статье исследуются: ведущие новаторы в области аппаратного обеспечения; конкретные триггеры, которые могут позволить аппаратному обеспечению НВ продвинуться к успешному применению в космосе; а также общие усилия в области НИОКР и коммерческого сектора, которые, вероятно, внесут вклад в будущие инновации НВ в космическом секторе.
Введение
Нейроморфные вычисления (НВ) основаны на принципе, согласно которому асинхронные системы могут работать параллельно, имитируя эффективность нейробиологических архитектур, подобных нашему мозгу. В традиционных вычислениях вычисления и операции чтения/записи в память выполняются последовательно. Напротив, в нейроморфной системе асинхронные схемы, содержащие массивы элементов памяти, могут выполнять ключевые математические операции (умножение-накопление) параллельно в месте хранения данных, тем самым сокращая время и энергопотребление за счет исключения перемещения вычисленных значений. Почему это меняет правила игры? В некосмическом мире существует острая необходимость в повышении скорости при одновременном снижении энергопотребления для центров обработки данных, "умных" автомобилей и городов, интернета вещей (IoT) и ряда других распределенных и мобильных приложений, близких к реальному времени, которые зависят от быстрого "интеллектуального" анализа множества потоков данных, который призван обеспечить ИИ. Хотя мы изначально ожидаем, что наземные приложения используют мощь НВ, они могут стать революционным фактором для космических приложений, где успех миссии зависит от быстрого и автономного анализа огромного массива входящей информации из множества источников. Национальная оборонная стратегия 2018 года1 является основой для бюджетов Министерства обороны на 2019–2023 финансовые годы, направленных на ускорение программ модернизации министерства. В стратегии отмечаются планы ведомства "инвестировать в широкое внедрение в военной сфере автономии, искусственного интеллекта и машинного обучения, включая быстрое применение коммерческих прорывов, для получения конкурентных военных преимуществ". Интеграция НВ в будущие спутниковые системы, будь то коммерческие, гражданские или оборонные, будет зависеть от будущих коммерческих прорывов, а также от академических и финансируемых правительством исследовательских инициатив, которые уже ускорили несколько коммерческих проектов в области НВ (см. Таблицу 2).
Эта статья представляет обзор текущего состояния НИОКР и разработки коммерческого аппаратного обеспечения, а также событий-триггеров, которые позволят совершить прорывы в реализации НВ. Важно отметить, что разработка алгоритмов и архитектурные достижения неразрывно связаны с общим прогрессом аппаратного обеспечения НВ в космосе.
Введение
Нейроморфные вычисления (НВ) основаны на принципе, согласно которому асинхронные системы могут работать параллельно, имитируя эффективность нейробиологических архитектур, подобных нашему мозгу. В традиционных вычислениях вычисления и операции чтения/записи в память выполняются последовательно. Напротив, в нейроморфной системе асинхронные схемы, содержащие массивы элементов памяти, могут выполнять ключевые математические операции (умножение-накопление) параллельно в месте хранения данных, тем самым сокращая время и энергопотребление за счет исключения перемещения вычисленных значений. Почему это меняет правила игры? В некосмическом мире существует острая необходимость в повышении скорости при одновременном снижении энергопотребления для центров обработки данных, "умных" автомобилей и городов, интернета вещей (IoT) и ряда других распределенных и мобильных приложений, близких к реальному времени, которые зависят от быстрого "интеллектуального" анализа множества потоков данных, который призван обеспечить ИИ. Хотя мы изначально ожидаем, что наземные приложения используют мощь НВ, они могут стать революционным фактором для космических приложений, где успех миссии зависит от быстрого и автономного анализа огромного массива входящей информации из множества источников. Национальная оборонная стратегия 2018 года1 является основой для бюджетов Министерства обороны на 2019–2023 финансовые годы, направленных на ускорение программ модернизации министерства. В стратегии отмечаются планы ведомства "инвестировать в широкое внедрение в военной сфере автономии, искусственного интеллекта и машинного обучения, включая быстрое применение коммерческих прорывов, для получения конкурентных военных преимуществ". Интеграция НВ в будущие спутниковые системы, будь то коммерческие, гражданские или оборонные, будет зависеть от будущих коммерческих прорывов, а также от академических и финансируемых правительством исследовательских инициатив, которые уже ускорили несколько коммерческих проектов в области НВ (см. Таблицу 2).
Эта статья представляет обзор текущего состояния НИОКР и разработки коммерческого аппаратного обеспечения, а также событий-триггеров, которые позволят совершить прорывы в реализации НВ. Важно отметить, что разработка алгоритмов и архитектурные достижения неразрывно связаны с общим прогрессом аппаратного обеспечения НВ в космосе.
*Перевод выполнен с помощью нейросетей
Neuromorphic computing: The potential for high-performance processing in space
Artificial intelligence (AI) depends upon generating near-realtime data analysis, yet modern computers are often inefficient in the tasks of recognizing, analyzing, and classifying large volumes of information. Neuromorphic computing (NC) is intended to cover this gap by emulating certain aspects of brain functions. This brain inspired architecture, combining both computation and memory emulating neurons and synapses, has the potential to achieve the requirements of next-generation AI systems. NC technology integrates algorithms to support realtime learning with architectures built on novel computing hardware to address specific user applications. The R&D and commercial sectors have started to advance NC capabilities in non-space applications. The space sector will likely leverage these R&D and commercial sector accomplishments as a “spin-in” technology. However, there is no easy path to adopt NC into the space sector. Satellite applications impose strict requirements—including limits on size, weight and power consumption, as well as the need for radiation-tolerance. This drives a need to develop space-resilient NC solutions. This paper explores: leading hardware innovators; specific triggers which may enable NC hardware to advance towards successful space applications; and general R&D and commercial efforts that will most likely contribute to future space sector NC innovations.
Introduction
Neuromorphic computing (NC) is founded on the principle that asynchronous systems can work in parallel—mimicking the efficiencies of neuro-biological architectures like our brains. In traditional computing, computation and memory read/write operations are performed sequentially. By contrast, in a neuromorphic system, asynchronous circuits containing arrays of memory elements can conduct key mathematical (multiply-accumulate) operations in parallel at the location of data, thus reducing time and power by the avoidance of moving calculated values. Why is this a game changer? In the non-space world, there is a strong need to increase speed while reducing power consumption for data centers, smart cars and cities, the internet of things (IoT) and a range of other distributed and near realtime mobile applications that depend on fast “intelligent” analysis of multiple data streams, which AI is intended to deliver. While we initially expect terrestrial applications to harness the power of NC, it could emerge as a game changer for space applications where mission success relies on fast and autonomous analysis of a vast array of incoming information from multiple sources. The 2018 National Defense Strategy1 is the foundation for the Department of Defense’s fiscal year 2019–2023 budgets to accelerate the DOD’s modernization programs. The strategy notes the department’s plans to “invest broadly in military applications of autonomy, artificial intelligence, and machine learning, including rapid application of commercial breakthroughs, to gain competitive military advantages.” Integration of NC into future satellite systems—whether commercial, civil or defense—will depend upon future commercial breakthroughs as well as academic and government funded research initiatives which have already accelerated several commercial NC efforts (see Table 2).
This paper provides an overview of the current status of R&D and commercial hardware development, and trigger events that will enable breakthroughs in NC implementation. It is important to note that algorithm development and architectural advances are inextricably linked to the overall advancement of NC hardware in space.
Introduction
Neuromorphic computing (NC) is founded on the principle that asynchronous systems can work in parallel—mimicking the efficiencies of neuro-biological architectures like our brains. In traditional computing, computation and memory read/write operations are performed sequentially. By contrast, in a neuromorphic system, asynchronous circuits containing arrays of memory elements can conduct key mathematical (multiply-accumulate) operations in parallel at the location of data, thus reducing time and power by the avoidance of moving calculated values. Why is this a game changer? In the non-space world, there is a strong need to increase speed while reducing power consumption for data centers, smart cars and cities, the internet of things (IoT) and a range of other distributed and near realtime mobile applications that depend on fast “intelligent” analysis of multiple data streams, which AI is intended to deliver. While we initially expect terrestrial applications to harness the power of NC, it could emerge as a game changer for space applications where mission success relies on fast and autonomous analysis of a vast array of incoming information from multiple sources. The 2018 National Defense Strategy1 is the foundation for the Department of Defense’s fiscal year 2019–2023 budgets to accelerate the DOD’s modernization programs. The strategy notes the department’s plans to “invest broadly in military applications of autonomy, artificial intelligence, and machine learning, including rapid application of commercial breakthroughs, to gain competitive military advantages.” Integration of NC into future satellite systems—whether commercial, civil or defense—will depend upon future commercial breakthroughs as well as academic and government funded research initiatives which have already accelerated several commercial NC efforts (see Table 2).
This paper provides an overview of the current status of R&D and commercial hardware development, and trigger events that will enable breakthroughs in NC implementation. It is important to note that algorithm development and architectural advances are inextricably linked to the overall advancement of NC hardware in space.