Forskere gør fremskridt med neuromorfe beregning

Et hold af forskere fra Korea Advanced Institute of Science (KAIST) har rapporteret om en nano-størrelses neuromorfe hukommelsesenhed, der efterligner neuroner og synapser samtidig i en enheds celle. Den nye fremgang er et stort skridt mod at opnå neuromorfe beregning, der kan efterligne det menneskelige hjernes funktioner med halvlederenheder.

Forskningen blev offentliggjort i Nature Communications.

Realisering af AI med neuromorfe beregning

Eksperter arbejder på at få neuromorfe beregning til at realisere kunstig intelligens (AI) ved at efterligne mekanismernes funktion i neuroner og synapser i det menneskelige hjernes. Nuverende computere kan ikke levere visse kognitive funktioner i det menneskelige hjernes på grund af flere begrænsninger, men deres potentiale er blevet undersøgt grundigt.

Med det sagt, kan nuverende Complementary Metal-Oxide Semiconductor (CMOS)-baserede neuromorfe kredsløb ikke tilbyde synergistiske interaktioner mellem kunstige neuroner og synapser. Implementeringen af neuroner og synapser har vist sig at være svær.

For at overvinde disse begrænsninger har forskningsholdet under ledelse af Professor Keon Jae Lee fra afdelingen for Materials Science and Engineering implementeret de biologiske arbejdsmekanismer i mennesker ved at introducere neuron-synapse interaktioner i en enkelt hukommelsescelle. Dette adskiller sig fra den traditionelle tilgang, hvor kunstige neuroner og synapser kobles elektrisk.

Kunstige synapser

De kunstige synapser, der tidligere er blevet studeret, bruges ofte til at accelerere parallel beregninger, hvilket viser tydelige forskelle fra det menneskelige hjernes operationelle mekanismer. Ved at implementere de synergistiske interaktioner mellem neuroner og synapser i den neuromorfe hukommelsesenhed kunne mekanismernes funktion i det biologiske neurale netværk efterlignes. Den neuromorfe enhed kan også erstatte komplekse CMOS-neuronkredsløb med en enkelt enhed, hvilket forbedrer skalerbarhed og omkostningseffektivitet.

Det menneskelige hjernes består af et komplekst netværk af 100 milliarder neuroner og 100 billioner synapser, og funktionerne og strukturerne kan ændre sig afhængigt af ydre stimuli, hvilket giver dem mulighed for at tilpasse sig til omgivelserne. Den neuromorfe enhed, som holdet har udviklet, kan tillade kort- og langtids-hukommelse at coexistere ved at bruge flygtige og ikke-flygtige hukommelsesenheder, der efterligner egenskaberne hos neuroner og synapser. Flygtig hukommelse repræsenteres af en threshold-switch-enhed, mens fase-ændringshukommelse bruges som en ikke-flygtig enhed. Med to tynde film-enheder integreret uden umiddelbare elektroder kunne den funktionelle tilpasning 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 det er essentielt at simulere begge for at opnå hjernespireret kunstig intelligens,” sagde Professor Lee. “Den udviklede neuromorfe hukommelsesenhed efterligner også den genlærings-effekt, der giver mulighed for hurtig læring af glemt information ved at implementere en positiv feedback-effekt mellem neuroner og synapser.”