Forscher machen Fortschritte mit Neuromorpher Rechnung

Ein Team von Forschern am Korea Advanced Institute of Science (KAIST) hat ein nano-großes neuromorphes Speichergerät entwickelt, das Neuronen und Synapsen gleichzeitig in einer Einheitszelle emuliert. Der neue Fortschritt ist ein wichtiger Schritt auf dem Weg zu neuromorpher Rechnung, die das menschliche Gehirn mit Halbleitergeräten nachahmen kann. 

Die Forschung wurde in Nature Communications.

Künstliche Intelligenz mit Neuromorpher Rechnung realisieren

Experten arbeiten daran, die neuromorphe Rechnung zu realisieren, um künstliche Intelligenz (KI) durch Nachahmung der Mechanismen von Neuronen und Synapsen im menschlichen Gehirn zu erreichen. Aktuelle Computer können bestimmte kognitive Funktionen des menschlichen Gehirns aufgrund mehrerer Einschränkungen nicht bereitstellen, aber ihr Potenzial wurde gründlich erforscht. 

Mit anderen Worten, aktuelle Complementary Metal-Oxide Semiconductor (CMOS)-basierte neuromorphe Schaltkreise verbinden künstliche Neuronen und Synapsen ohne synergistische Wechselwirkungen. Die Implementierung von Neuronen und Synapsen hat sich als schwierig erwiesen. 

Um diese Einschränkungen zu überwinden, implementierte das Forschungsteam unter der Leitung von Professor Keon Jae Lee vom Department of Materials Science and Engineering die biologischen Arbeitsmechanismen von Menschen, indem es die Neuronen-Synapsen-Wechselwirkungen in einer einzelnen Speicherzelle einführte. Dies unterscheidet sich von dem traditionellen Ansatz, künstliche neuronale und synaptische Geräte elektrisch zu verbinden. 

Künstliche synaptische Geräte

Die künstlichen synaptischen Geräte, die zuvor untersucht wurden, werden oft verwendet, um parallele Berechnungen zu beschleunigen, was deutliche Unterschiede zu den Arbeitsmechanismen des menschlichen Gehirns aufweist. Durch die Implementierung der synergistischen Wechselwirkungen zwischen Neuronen und Synapsen in dem neuromorphen Speichergerät konnten die Mechanismen des biologischen neuronalen Netzwerks emuliert werden. Das neuromorphe Gerät kann auch komplexe CMOS-Neuron-Schaltkreise durch ein einzelnes Gerät ersetzen, was die Skalierbarkeit und Kosteneffizienz verbessert. 

Das menschliche Gehirn besteht aus einem komplexen Netzwerk von 100 Milliarden Neuronen und 100 Billionen Synapsen, und die Funktionen und Strukturen dieser können je nach äußerer Reizung verändert werden, was es ihnen ermöglicht, sich an die Umgebung anzupassen. Das von dem Team entwickelte neuromorphe Gerät ermöglicht es, kurzfristige und langfristige Erinnerungen miteinander zu verbinden, indem es volatile und nicht-flüchtige Speichergeräte verwendet, die die Eigenschaften von Neuronen und Synapsen nachahmen. Volatile Speicher werden durch ein Schwellen-Schaltgerät dargestellt, während Phasen-Speicher als nicht-flüchtiges Gerät verwendet werden. Durch die Integration von zwei Dünnschicht-Geräten ohne unmittelbare Elektroden konnte die funktionale Anpassungsfähigkeit von Neuronen und Synapsen in dem neuromorphen Speicher implementiert werden. 

“Neuronen und Synapsen interagieren miteinander, um kognitive Funktionen wie Erinnerung und Lernen zu etablieren, so dass die Simulation beider ein wesentliches Element für die von Gehirn inspirierte künstliche Intelligenz ist”, sagte Professor Lee. “Das entwickelte neuromorphe Speichergerät ahmt auch den Wiederholungseffekt nach, der es ermöglicht, vergessene Informationen schnell zu lernen, indem es einen positiven Rückkopplungseffekt zwischen Neuronen und Synapsen implementiert.”