Ученые создают новый тип вычислений

researchgate.net

Исследователи нашли способ заставить так называемые резервуарные вычисления работать от 33 до миллиона раз быстрее, со значительно меньшими вычислительными ресурсами и меньшим объемом вводимых данных.

Фактически, в одном из испытаний этого нового поколения исследователи решили сложную вычислительную задачу менее чем за секунду на настольном компьютере.

По словам Дэниела Готье, ведущего автора исследования и профессора физики в Университете штата Огайо, при использовании современной технологии для решения той же проблемы требуется суперкомпьютер, и на это уходит гораздо больше времени.

“Мы можем выполнять очень сложные задачи по обработке информации за короткий промежуток времени, используя гораздо меньше компьютерных ресурсов по сравнению с тем, что в настоящее время могут выполнять эти вычисления“, - сказал Готье.

“И расчет уже стал значительным улучшением того, что было возможно раньше“.

По словам Готье, резервуарные вычисления - это алгоритм машинного обучения, разработанный в начале 2000-х годов и используемый для решения “самых сложных из сложных“ вычислительных задач, таких как прогнозирование эволюции динамических систем, которые меняются с течением времени.

По его словам, динамические системы, такие как погоду, трудно предсказать, потому что всего одно небольшое изменение в одном условии может иметь серьезные последствия.

Одним из известных примеров является “эффект бабочки“, в котором - в одной метафорической иллюстрации - изменения, вызванные взмахом крыльев бабочки, могут в конечном итоге повлиять на погоду через несколько недель.

Предыдущие исследования показали, что резервуарные вычисления хорошо подходят для изучения динамических систем и могут дать точные прогнозы о том, как они будут себя вести в будущем, сказал Готье.

Он делает это с помощью искусственной нейронной сети, похожей на человеческий мозг. Ученые загружают данные из динамической сети в “резервуар“ случайно связанных искусственных нейронов в сети. Сеть дает полезный результат, который ученые могут интерпретировать и передавать обратно в сеть, создавая все более и более точный прогноз того, как система будет развиваться в будущем.

Чем крупнее и сложнее система и чем точнее, по мнению ученых, должен быть прогноз, тем больше должна быть сеть искусственных нейронов и тем больше вычислительных ресурсов и времени требуется для выполнения задачи.

Одна проблема заключалась в том, что резервуар искусственных нейронов - это “черный ящик“, сказал Готье, и ученые точно не знают, что происходит внутри него - они только знают, что это работает.

Готье объяснил, что искусственные нейронные сети, лежащие в основе вычислений резервуаров, построены на математике.

В этом исследовании Готье и его коллеги исследовали этот вопрос и обнаружили, что всю вычислительную систему резервуара можно значительно упростить, что резко снизит потребность в вычислительных ресурсах и значительно сэкономит время.

Они проверили свою концепцию на задаче прогнозирования с использованием погодной системы, разработанной Эдвардом Лоренцем, работа которого привела к нашему пониманию эффекта бабочки.

Их вычисление резервуаров нового поколения явилось явным победителем перед современными достижениями в решении этой задачи прогнозирования Лоренца. В одном относительно простом моделировании, выполненном на настольном компьютере, новая система была в 33–163 раза быстрее, чем текущая модель.

Но когда цель заключалась в высокой точности прогноза, вычисления резервуаров нового поколения были примерно в 1 миллион раз быстрее. И вычисления нового поколения достигли такой же точности с эквивалентом всего 28 нейронов по сравнению с 4000, необходимыми для модели текущего поколения, сказал Готье.

Важной причиной ускорения является то, что “мозг“, стоящий за этим новым поколением резервуарных вычислений, требует гораздо меньше разминки и обучения по сравнению с нынешним поколением для получения тех же результатов.

Разминка - это тренировочные данные, которые необходимо добавить в качестве входных данных в компьютер резервуара, чтобы подготовить его к реальной задаче.

“В настоящее время ученым приходится вводить 1000 или 10000 точек данных или более, чтобы разогреть его. И это все данные, которые потеряны, которые не нужны для реальной работы. Нам нужно ввести только одну, две или три точки данных“, - добавил он.

И как только исследователи будут готовы обучить резервуарный компьютер делать прогнозы, опять же, в системе следующего поколения потребуется гораздо меньше данных.

В своем тесте задачи прогнозирования Лоренца исследователи могли получить те же результаты, используя 400 точек данных, что и текущее поколение, полученное с использованием 5000 точек данных или более, в зависимости от желаемой точности.

Готье и его коллеги планируют расширить эту работу, чтобы решить еще более сложные вычислительные задачи, такие как прогнозирование динамики жидкости.

techno.bigmir.net

Хочешь узнать больше - читай отзывы