Forskere gør fremskridt med neuromorfisk databehandling

Et team af forskere ved Korea Advanced Institute of Science (KAIST) har rapporteret om en neuromorf hukommelsesenhed i nanostørrelse, der emulerer neuroner og synapser samtidigt i en enhedscelle. Det nye fremskridt er et stort skridt i retning af at opnå neuromorfisk databehandling, der kan efterligne den menneskelige hjerne med halvlederenheder. 

Forskningen blev offentliggjort i Nature Communications.

Realisering af AI med neuromorfisk databehandling

Eksperter arbejder på at få neuromorfisk databehandling til at realisere kunstig intelligens (AI) ved at efterligne mekanismerne af neuroner og synapser i den menneskelige hjerne. Nuværende computere kan ikke levere visse kognitive funktioner i den menneskelige hjerne på grund af flere begrænsninger, men deres potentiale er blevet udforsket grundigt. 

Med det sagt forbinder nuværende komplementær metaloxid-halvleder (CMOS)-baserede neuromorfe kredsløb kunstige neuroner og synapser uden synergistiske interaktioner. Implementeringen af ​​neuroner og synapser har vist sig at være vanskelig. 

For at overvinde disse begrænsninger implementerede forskerholdet ledet af professor Keon Jae Lee fra Institut for Materialevidenskab og Teknik de biologiske arbejdsmekanismer hos mennesker ved at introducere neuron-synapse-interaktionerne i en enkelt hukommelsescelle. Dette adskiller sig fra den traditionelle tilgang til elektrisk at forbinde kunstige neuronale og synaptiske enheder. 

Kunstige synaptiske enheder

De kunstige synaptiske enheder, der tidligere blev undersøgt, bruges ofte til at accelerere parallelle beregninger, hvilket viser klare forskelle fra den menneskelige hjernes operationelle mekanismer. Ved at implementere de synergistiske interaktioner mellem neuroner og synapser i den neuromorfe hukommelsesenhed, var mekanismerne i det biologiske neurale netværk i stand til at blive emuleret. Den neuromorfe enhed kan også erstatte komplekse CMOS-neuronkredsløb med en enkelt enhed, hvilket forbedrer skalerbarheden og omkostningseffektiviteten. 

Den menneskelige hjerne er lavet af et komplekst netværk af 100 milliarder neuroner og 100 billioner synapser, og disses funktioner og strukturer kan ændre sig afhængigt af ydre stimuli, som gør det muligt for dem at tilpasse sig det omgivende miljø. Den neuromorfe enhed udviklet af teamet gør det muligt for kortsigtede og langsigtede minder at eksistere side om side ved hjælp af flygtige og ikke-flygtige hukommelsesenheder, der efterligner egenskaberne af neuroner og synapser. Flygtig hukommelse er repræsenteret af en tærskelomskifteranordning, mens faseskiftehukommelse bruges som en ikke-flygtig enhed. Med to tyndfilmsenheder integreret uden umiddelbare elektroder, kunne den funktionelle tilpasningsevne af neuroner og synapser implementeres i den neuromorfe hukommelse. 

"Neuroner og synapser interagerer med hinanden for at etablere kognitive funktioner såsom hukommelse og læring, så simulering af begge dele er et væsentligt element for hjerne-inspireret kunstig intelligens," sagde professor Lee. "Den udviklede neuromorfe hukommelsesenhed efterligner også genoptræningseffekten, der tillader hurtig indlæring af den glemte information ved at implementere en positiv feedback-effekt mellem neuroner og synapser."