O nouă modalitate de a rezolva cele mai „dificile dintre problemele” computerului

Un tip relativ nou de calcul care imită modul în care funcționează creierul uman transforma deja modul în care oamenii de știință ar putea aborda unele dintre cele mai dificile probleme de procesare a informațiilor. Acum, cercetătorii au găsit o modalitate de a face ceea ce se numește calculul rezervorului să funcționeze între 33 și un milion de ori mai rapid, cu resurse de calcul semnificativ mai puține și mai puține date necesare. De fapt, într-un test al acestui computer din rezervorul de nouă generație, cercetătorii au rezolvat o problemă complexă de calcul în mai puțin de o secundă pe un computer desktop.

Folosind tehnologia actuală de ultimă oră, aceeași problemă necesită rezolvarea unui supercomputer și durează mult mai mult, a spus Daniel Gauthier, autor principal al studiului și profesor de fizică la Universitatea de Stat din Ohio. „Putem efectua sarcini de procesare a informațiilor foarte complexe într-o fracțiune de timp folosind mult mai puține resurse de computer în comparație cu ceea ce poate face în prezent calculul rezervorului”, a spus Gauthier. „Și calculul rezervorului a fost deja o îmbunătățire semnificativă a ceea ce era posibil anterior”. Studiul a fost publicat astăzi (21 septembrie 2021) în revista Nature Communications. Calculul rezervorului este un algoritm de învățare automată dezvoltat la începutul anilor 2000 și utilizat pentru a rezolva problemele de calcul „cele mai grele dintre cele mai grele”, cum ar fi prognozarea evoluției sistemelor dinamice care se schimbă în timp, a spus Gauthier. Sistemele dinamice, cum ar fi vremea, sunt dificil de prezis, deoarece doar o mică schimbare într-o condiție poate avea efecte masive pe linie, a spus el. Un exemplu celebru este „efectul fluture”, în care – într-un exemplu metaforic – schimbările create de un fluture care bate din aripi pot influența în cele din urmă vremea săptămâni mai târziu. Cercetările anterioare au arătat: ”calculul rezervorului este potrivit pentru învățarea sistemelor dinamice și poate oferi previziuni exacte despre cum se vor comporta în viitor”,  spune Gauthier. Face acest lucru prin utilizarea unei rețele neuronale artificiale, oarecum ca un creier uman.

Daniel Gauthier

Oamenii de știință alimentează date dintr-o rețea dinamică într-un „rezervor” de neuroni artificiali conectați aleatoriu într-o rețea. Rețeaua produce rezultate utile pe care oamenii de știință le pot interpreta și alimenta înapoi în rețea, construind o prognoză din ce în ce mai precisă a modului în care sistemul va evolua în viitor. Cu cât sistemul este mai mare și mai complex și cu cât oamenii de știință doresc să fie prognoza, cu atât mai mare este rețeaua de neuroni artificiali și cu atât mai multe resurse de calcul și timp sunt necesare pentru a finaliza sarcina. O problemă a fost că rezervorul de neuroni artificiali este o „cutie neagră”, a spus Gauthier, iar oamenii de știință nu au știut exact ce se întâmplă în interiorul ei – știu doar că funcționează. Rețelele neuronale artificiale din centrul calculului rezervoarelor sunt construite pe matematică, a explicat Gauthier. „Am făcut ca matematicienii să se uite la aceste rețele și să întrebe:„ În ce măsură sunt necesare toate aceste piese din utilaje? ”, A spus el. În acest studiu, Gauthier și colegii săi au investigat această întrebare și au constatat că întregul sistem de calcul al rezervorului ar putea fi mult simplificat, reducând dramatic nevoia de resurse de calcul și economisind timp semnificativ. Ei și-au testat conceptul pe o sarcină de prognoză care implică un sistem meteo dezvoltat de Edward Lorenz, a cărui lucrare a condus la înțelegerea noastră a efectului fluture. Calculul rezervorului lor de generație următoare a fost un câștigător clar față de stadiul actual al acestei sarcini de prognoză Lorenz. Într-o simulare relativ simplă făcută pe un computer desktop, noul sistem a fost de 33 până la 163 de ori mai rapid decât modelul actual. Dar când scopul era o precizie mare în prognoză, calculul rezervorului de nouă generație a fost de aproximativ 1 milion de ori mai rapid. Și noua generație de calcul a obținut aceeași precizie cu echivalentul a doar 28 de neuroni, comparativ cu cei 4.000 necesari pentru modelul de generație actuală, a spus Gauthier. Un motiv important pentru accelerare este că „creierul” din spatele acestei generații următoare de calcul a rezervoarelor are nevoie de mult mai puțină încălzire și instruire în comparație cu generația actuală pentru a produce aceleași rezultate. Încălzirea reprezintă date de antrenament care trebuie adăugate ca intrare în computerul rezervorului pentru a le pregăti pentru sarcina sa reală. „Pentru următoarea generație de calculatoare a rezervoarelor, aproape că nu este nevoie de timp de încălzire”, a spus Gauthier. „În prezent, oamenii de știință trebuie să introducă 1.000 sau 10.000 puncte de date sau mai mult pentru a le încălzi. Și toate acestea sunt datele pierdute, care nu sunt necesare pentru munca reală. Trebuie doar să introducem unul sau două sau trei puncte de date ”, a spus el. Și odată ce cercetătorii sunt pregătiți să instruiască calculatorul rezervorului pentru a face prognoza, din nou, sunt necesare mult mai puține date în sistemul de generație următoare.

În testul lor privind sarcina de prognoză Lorenz, cercetătorii ar putea obține aceleași rezultate folosind 400 de puncte de date ca generația actuală produsă folosind 5.000 de puncte de date sau mai mult, în funcție de precizia dorită. „Ceea ce este interesant este că următoarea generație de calcul a rezervoarelor ia ceea ce era deja foarte bun și îl face semnificativ mai eficient”, a spus Gauthier. El și colegii săi intenționează să extindă această activitate pentru a aborda probleme de calcul și mai dificile, cum ar fi prognoza dinamicii fluidelor. „Aceasta este o problemă incredibil de dificilă de rezolvat. Vrem să vedem dacă putem accelera procesul de rezolvare a problemei folosind modelul nostru simplificat de calcul al rezervoarelor. ” Co-autori ai studiului au fost Erik Bollt, profesor de inginerie electrică și informatică la Universitatea Clarkson; Aaron Griffith, care și-a luat doctoratul în fizică la statul Ohio; și Wendson Barbosa, cercetător postdoctoral în fizică la statul Ohio. Lucrarea a fost susținută de Forțele Aeriene ale SUA, Oficiul de Cercetare al Armatei și Agenția pentru Proiecte de Cercetare Avansată în Apărare.

Sursa: news.osu.edu