Специалисты Саратовского государственного университета разработали биологическую нейронную сеть, которая эффективно распознает различные аудиосигналы. Результаты этой работы были представлены в научном журнале Chaos. Исследователи предполагают, что их разработка позволит существенно снизить энергопотребление при обработке данных по сравнению с традиционными искусственными нейронными сетями.
В то время как современные технологии активно используют искусственные нейронные сети второго поколения для распознавания сигналов, ученые СГУ обратили внимание на более сложную структуру - биологические (спайковые) нейронные сети третьего поколения. Эти сети построены на основе математической модели ФитцХью-Нагумо, которая описывает поведение групп химически и функционально связанных нейронов в человеческом мозге.
Доцент кафедры радиофизики и нелинейной динамики СГУ Андрей Бух с коллегами провели исследование, в ходе которого изучили возможности небольшой спайковой нейронной сети в распознавании аудиосигналов. Ученые обнаружили интересную особенность: нейроны ФитцХью-Нагумо способны проявлять избирательность к сигналам с разным частотным соотношением благодаря определенной конфигурации связей между ними.
Важным аспектом исследования стал вопрос энергоэффективности. Человеческий мозг затрачивает значительно меньше энергии на решение задач по сравнению с компьютерами, и спайковые нейронные сети потенциально могут приблизиться к такой эффективности. Однако измерение их производительности представляет определенные сложности из-за нелинейности элементов и разнообразия возможных реакций нейронов.
Исследователи установили, что для достижения селективных свойств сети критически важен правильный выбор связей между нейронами. При сохранении всех возможных связей сеть теряет способность к избирательности, а при недостаточном их количестве практически перестает реагировать на сигналы.
В настоящее время команда ученых продолжает исследования, изучая способность отдельных нейронов накапливать сигналы и демонстрировать различные реакции в зависимости от контекста. Предварительные результаты указывают на наличие такой способности, однако вопрос о возможности создания полноценного классификатора на основе подобной сети остается открытым.
Исследование проводится в рамках стратегического проекта "Технологии фундаментальной медицины" программы "Приоритет-2030" и поддержано грантом РНФ №23-12-00103.
