Перспективы развития вычислительных систем. Квантовые компьютеры и нейровычислители (50054)

Посмотреть архив целиком

Федеральное агентство по образованию

Саратовский государственный технический университет

Кафедра информационных систем и технологий












Курсовая работа по теме:

Перспективы развития вычислительных систем. Квантовые компьютеры и нейровычислители











Саратов

2010


Оглавление


Введение

1. Нейровычислитель

2. Перспективы нейровычислителей

3. Квантовые компьютеры

4. Перспективы квантовых компьютеров

Заключение

Список использованных источников


Введение


Современный компьютер представляет собой кульминацию многих лет технологического развития, начиная с ранних идей Чарльза Бэббеджа и окончательного создания первого компьютера немецким инжененером Конрадом Зюсе в 1941 году. Компьютер перед вами в принципе не отличается от своих 30-тонных предшественников, которые были заполнены 18000 вакуумных ламп и 500 милями проводов. Хотя компьютеры стали компактными и значительно быстрее, чем раньше, справляются со своей задачей, сама задача остается прежней: манипулировать последовательностью битов и интерпретировать эту последовательность как полезный вычислительный результат.

Также следует отметить, что М. Минский сформулировал гипотезу: производительность параллельной системы растёт (примерно) пропорционально логарифму числа процессоров - это намного медленнее, чем линейная функция. Эта гипотеза позволяет сделать вывод о том, что для того, чтобы увеличить производительность, недостаточно просто развивать классические технологии, а нужно искать принципиально новые подходы.

Параллельно с обычными типами архитектур существуют и развиваются альтернативные, основанные на принципиально иных механизмах, архитектуры.

Целью данной курсовой работы является рассмотрение альтернативных типов вычислительных систем, таких как квантовые компьютеры и нейровычислители, в основе которых лежат новые принципы, которые открывают новые возможности для обработки информации, а также обзор перспектив, открывающихся с использованием этих систем.


1. Нейровычислитель


Нейровычислитель - устройство переработки информации на основе принципов работы естественных нейронных систем. Эти принципы были формализованы, что позволило говорить о теории искусственных нейронных сетей. Проблематика нейрокомпьютеров заключается в построении реальных физических устройств, что позволит не просто моделировать искусственные нейронные сети на обычном компьютере, но так изменить принципы работы компьютера, что станет возможным говорить о том, что они работают в соответствии с теорией искусственных нейронных сетей.

Идея нейро-бионики (создания технических средств на нейро-принципах) стала интенсивно реализовываться в начале 1980-х гг. Импульсом было следующее противоречие: размеры элементарных деталей компьютеров сравнялись с размерами элементарных «преобразователей информации» в нервной системе, было достигнуто быстродействие отдельных электронных элементов в миллионы раз большее, чем у биологических систем, а эффективность решения задач, особенно связанных задач ориентировки и принятия решений в естественной среде, у живых систем пока недостижимо выше.

Другой импульс развитию нейрокомпьютеров дали теоретические разработки 1980-х годов по теории нейронных сетей.

Согласно [1], в отличие от цифровых систем, представляющих собой комбинации процессорных и запоминающих блоков, нейропроцессоры содержат память, распределённую в связях между очень простыми процессорами, которые часто могут быть описаны как формальные нейроны или блоки из однотипных формальных нейронов. Тем самым основная нагрузка на выполнение конкретных функций процессорами ложится на архитектуру системы, детали которой в свою очередь определяются межнейронными связями. Подход, основанный на представлении как памяти данных, так и алгоритмов системой связей (и их весами), называется коннекционизмом.

Три основных преимущества нейрокомпьютеров:

  1. Все алгоритмы нейроинформатики высокопараллельны, что является залогом высокого быстродействия.

  2. Нейросистемы можно легко сделать очень устойчивыми к помехам и разрушениям.

  3. Устойчивые и надёжные нейросистемы могут создаваться и из ненадёжных элементов, имеющих значительный разброс параметров.

Разработчики нейрокомпьютеров стремятся объединить устойчивость, быстродействие и параллелизм АВМ с универсальностью современных компьютеров.

На роль центральной проблемы, решаемой всей нейроинформатикой и нейрокомпьютингом, А. Горбань предложил проблему эффективного параллелизма.

Для преодоления этого ограничения применяется следующий подход: для различных классов задач строятся максимально параллельные алгоритмы решения, использующие какую-либо абстрактную архитектуру (парадигму) мелкозернистого параллелизма, а для конкретных параллельных компьютеров создаются средства реализации параллельных процессов заданной абстрактной архитектуры. В результате появляется эффективный аппарат производства параллельных программ.

Нейроинформатика поставляет универсальные мелкозернистые параллельные архитектуры для решения различных классов задач. Для конкретных задач строится абстрактная нейросетевая реализация алгоритма решения, которая затем реализуется на конкретных параллельных вычислительных устройствах. Таким образом, нейросети позволяют эффективно использовать параллелизм.

Многолетние работы привели к тому, что к настоящему моменту накоплено большое число различных «правил обучения» и архитектур нейронных сетей, их аппаратных реализаций и приёмов использования нейронных сетей для решения прикладных задач.

Эти интеллектуальные изобретения существуют в виде «зоопарка» нейронных сетей. Каждая сеть из зоопарка имеет свою архитектуру, правило обучения и решает конкретный набор задач. В последнее десятилетие прилагаются серьёзные усилия для стандартизации структурных элементов и превращений этого «зоопарка» в «технопарк»: каждая нейронная сеть из зоопарка реализована на идеальном универсальном нейрокомпьютере, имеющем заданную структуру.

Основные правила выделения функциональных компонентов идеального нейрокомпьютера (по Миркесу):

  1. Относительная функциональная обособленность: каждый компонент имеет чёткий набор функций. Его взаимодействие с другими компонентами может быть описано в виде небольшого числа запросов.

  2. Возможность взаимозамены различных реализаций любого компонента без изменения других компонентов.


      1. Перспективы нейровычислителей


В настоящее время искусственные нейронные сети являются важным расширением понятия вычисления. Они уже позволили справиться с рядом непростых проблем и обещают создание новых программ и устройств, способных решать задачи, которые пока под силу только человеку. Современные нейрокомпьютеры используются в основном в программных продуктах и поэтому редко задействуют свой потенциал параллелизма. В полную силу использование параллельных нейровычислений начнется с появлением на рынке большого числа аппаратных реализаций - специализированных нейрочипов и плат расширений, предназначенных для обработки речи, видео, статических изображений и других типов образной информации.

Прогнозируется появление техники подстраивающейся под пользователя. При помощи нейросетевых блоков можно реализовать механизмы, при помощи которых приборы будут узнавать своих владельцев по голосу, внешнему виду и ряду других уникальных характеристик. Получат развитие и системы жизнеобеспечения так называемых «умных домов», которые станут еще более адаптивными и обучаемыми. На производстве и в различных промышленных системах интеллектуальные нейросетевые контроллеры получат возможность распознавать потенциально опасные ситуации, уведомлять о них людей и принимать адекватные и своевременные меры.

На данный момент нейрокомпьютеры используют в самых разных сферах человеческой деятельности. Это область экспертных систем, область обработки сигналов. Множество систем автоматического управления сейчас построено на нейронных сетях. Нейронные сети иногда являются единственными точными предсказателями временных рядом.

Согласно [2], следует отметить достижения нейронных сетей в ассоциативном поиске текстовой информации. Традиционные методы поиска и фильтрации документов были разработаны для библиотечных баз данных ограниченного объема и заранее известной структуры. Создание глобальной сети привело к тому, что число поставщиков информации стало стремительно расти, при том, что публикуемая ими информация не имеет однородной структуры. Последовавший информационный взрыв стал вызовом стандартным информационным технологиям. Новые масштабы с одной стороны сделали аутсайдерами некоторые ранее конкурентоспособные интеллектуальные технологии, а с другой - стимулировали интенсивные исследования в области статистических методов обработки текстовой информации и новых способов навигации в информационном море. Нейросети являются перспективным инструментом извлечения статистических закономерностей в текстах, и использования этих закономерностей для прецизионной фильтрации документов.

Одной из проблем современных нейровычислителей является их доступность. Они или выпускаются в составе специализированных устройств, или достаточно дороги, а зачастую и то и другое. На их разработку тратится значительное время, за которое программные реализации на самых последних компьютерах оказываются лишь на порядок менее производительными, что делает использование нейропроцессоров нерентабельным. Однако аналогичная проблема раньше стояла и перед обычными компьютерами, поэтому следует ожидать, что нейровычислители станут доступнее.


Случайные файлы

Файл
tema1.doc
72421-1.rtf
84392.doc
132872.rtf
668.doc




Чтобы не видеть здесь видео-рекламу достаточно стать зарегистрированным пользователем.
Чтобы не видеть никакую рекламу на сайте, нужно стать VIP-пользователем.
Это можно сделать совершенно бесплатно. Читайте подробности тут.