Биологическую нейронную сеть, эффективно различающую внешние аудиосигналы, сконструировали учёные СГУ. По их мнению, разработка сможет тратить на расчёты заметно меньше энергии, чем обычные искусственные нейронные сети. Результаты исследования опубликованы в научном журнале «Chaos».
Разработчики поставили перед собой задачу с помощью методов математического моделирования определить возможность распознавания аудиосигналов спайковой нейронной сетью, составленной из нейронов ФитцХью-Нагумо. Они высказали предположение, что сети на основе таких нейронов могут обладать более широкими возможностями за счёт их встроенной сложности.
«Мы обнаружили, что связанные нейроны ФитцХью-Нагумо могут проявлять избирательные свойства к сигналам с разным отношением частоты и различать внешние сигналы за счёт выбора только некоторых определённых связей между нейронами. И сделали вывод, что можно специальным образом сконструировать сеть нейронов, чтобы обеспечить распознавание аудиосигналов», – рассказал доцент кафедры радиофизики и нелинейной динамики СГУ Андрей Бух.
Открытие исследователей СГУ, по их мнению, поможет создавать эффективные нейронные сети, где под эффективностью стоит понимать отношение затраченной энергии к сложности решаемой задачи.
«Известно, что на решение одной и той же задачи человеческий мозг затрачивает гораздо меньше энергии, чем обычный компьютер. Значит, спайковые нейронные сети могут потенциально затрачивать заметно меньше энергии, чем обычные искусственные нейронные сети», – подчеркнул учёный.
Полученный результат обеспечивается главным образом выбором только некоторых связей между нейронами. Остальные связи отключаются. Если оставить все связи между нейронами включёнными, сеть не будет проявлять селективных свойств. С другой стороны, недостаточное количество связей приведёт к почти полному отсутствию реакций в ней.
В будущем исследователи планируют узнать, обладает ли отдельная модель нейрона способностью «накапливать» сигналы и демонстрировать разное поведение в зависимости от «контекста».
Работа выполняется в рамках стратегического проекта СГУ «Технологии фундаментальной медицины» государственной программы «Приоритет 2030». Исследование выполнено в рамках проекта РНФ №23-12-00103.