Neuromorfinis skaičiavimas: Prekybos botų ateitis 2026

Santrauka: Bitcoin kasimas sunaudoja per daug energijos. AI mokymas sunaudoja per daug energijos. Sprendimas yra biologija. Neuromorfinis skaičiavimas naudoja "Impulsinius neuroninius tinklus" (SNN), kad apdorotų informaciją kaip biologinės smegenys.

1. Įvadas: Von Neumanno butelio kaklelis

Tradiciniai kompiuteriai atskiria Atmintį (RAM) ir Procesorių (CPU). Duomenų perkėlimas pirmyn ir atgal sunaudoja 90% energijos. Neuromorfiniai lustai sujungia atmintį ir apdorojimą.

2. Pagrindinė analizė: Impulsiniai neuroniniai tinklai (SNN)

2.1 ANN vs. SNN

• ANN (Standartinis AI): Kiekvienas neuronas suveikia kiekvieną milisekundę.
• SNN (Neuromorfinis): Neuronai suveikia tik tada, kai įvyksta "Impulsas".
• Prekybos analogija: SNN botas miega, kai rinka plokščia. Jis pabunda tik tada, kai įvyksta kainos pokytis.

2.2 Aparatinė įranga: Intel Loihi 3 ir IBM NorthPole

Standartinis NVIDIA H100 GPU sunaudoja 700 vatų. Intel Loihi 3 sunaudoja 2 vatus.

3. Techninis įgyvendinimas: Lava Framework

Mes naudojame Intel Lava biblioteką programuoti SNN.

# Define a Spiking Neuron
block = slayer.block.cuba.Dense()

4. Iššūkiai ir rizika: Nėra atgalinio sklidimo

Jūs negalite mokyti SNN naudodami standartinį atgalinį sklidimą.

• Sprendimas: Mes mokome standartinį ANN GPU, tada "konvertuojame" jį į SNN.

5. Ateities perspektyva: Botai palydovuose

Kadangi SNN naudoja tiek mažai energijos, jie gali veikti Starlink palydovuose.

6. DUK: Neuromorfinis AI

1. Ar tai greičiau nei GPU? Vėlavimo prasme? Taip (mikrosekundės). Pralaidumo prasme? Ne.

2. Ar galiu nusipirkti šią aparatinę įrangą? Taip. Intel parduoda "Kapoho Point" USB atmintinę.