Model dan platform AI

Peneliti Meniru Neuron Otak Menggunakan Bahan Semikonduktor

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google

Chip komputer adalah salah satu aspek paling penting dari kecerdasan buatan (AI). Potongan-potongan kecil yang kuat ini merupakan fondasi untuk pengenalan gambar otomatis dan sebagian bertanggung jawab untuk mengajar robot melakukan kegiatan tertentu seperti berjalan. Dengan potensi AI yang semakin meningkat, chip komputer saat ini harus sangat kuat dan ekonomis, tetapi ini adalah hal yang sulit untuk dicapai.

Karena mikroelektronik konvensional hanya dapat dioptimalkan sehingga memiliki keterbatasan fisik, para peneliti telah berpaling ke otak manusia, seperti yang mereka lakukan sering, untuk mendapatkan inspirasi tentang bagaimana memproses dan menyimpan informasi dengan lebih efisien.

Ilmuwan di TU Dresden dan Helmholtz-Zentrum Dresden-Rossendorf (HZDR) telah berhasil meniru cara kerja neuron otak melalui penggunaan bahan semikonduktor, untuk pertama kalinya.

Penelitian ini diterbitkan di jurnal Nature Electronics.

Pekerjaan ini dilakukan oleh tiga penulis utama, termasuk fisikawan HZDR Larysa Baraban, dan ini merupakan kolaborasi internasional antara enam lembaga.

Mikroelektronik Saat Ini vs Neuron Buatan

Teknik yang paling sering digunakan saat ini untuk meningkatkan kinerja mikroelektronik adalah dengan mengurangi ukuran komponen. Dalam kasus chip silikon, pengurangan ini terjadi pada transistor individu.

Menurut Baraban, “Hal itu tidak dapat berlanjut terus — kita memerlukan pendekatan baru.”

Para peneliti berusaha meniru otak dan menciptakan neuron buatan yang dapat menggabungkan pemrosesan data dan penyimpanan data.

“Kelompok kami memiliki pengalaman luas dengan sensor elektronik biologis dan kimia, ” kata Baraban. “Jadi kami mensimulasikan sifat-sifat neuron menggunakan prinsip-prinsip biosensor dan memodifikasi transistor efek lapangan klasik untuk menciptakan transistor neuron buatan.”

Pendekatan ini memungkinkan penyimpanan dan pemrosesan informasi secara bersamaan, semua dalam satu komponen. Dalam teknologi transistor yang paling umum digunakan saat ini, dua proses ini dipisahkan, menghasilkan waktu pemrosesan yang lebih lambat dan keterbatasan kinerja.

Otak Manusia

Para peneliti telah bekerja pada pembangunan komputer berdasarkan otak manusia selama bertahun-tahun, tetapi banyak upaya tersebut tidak berhasil. Beberapa upaya pertama melibatkan sel saraf yang dihubungkan dengan elektronik dalam cawan Petri, tetapi seperti yang dikatakan Gianaurelio Cuniberti, yang merupakan Profesor untuk Ilmu Bahan dan Nanoteknologi di TU Dresden, “komputer chip basah yang harus diberi makan terus-menerus tidak berguna bagi siapa pun.”

Tim peneliti berhasil menerapkan neurotransistor.

“Kami menerapkan zat kental – yang disebut sol-gel – pada silikon wafer konvensional dengan sirkuit. Polimer ini mengeras dan menjadi keramik berpori,” kata Cuniberti. “Ion bergerak di antara lubang-lubang. Mereka lebih berat daripada elektron dan lebih lambat untuk kembali ke posisi mereka setelah eksitasi. Penundaan ini, yang disebut histeresis, adalah yang menyebabkan efek penyimpanan. Semakin banyak transistor individu yang terangsang, semakin cepat akan membuka dan membiarkan arus mengalir. Ini memperkuat koneksi. Sistem ini sedang belajar.”

Menurut tim, chip ini akan kurang presisi dan akan memperkirakan komputasi matematika, dibandingkan dengan menghitungnya hingga desimal terakhir.

“Tapi mereka akan lebih pintar,” kata Cuniberti. “Misalnya, robot dengan prosesor seperti ini akan belajar berjalan atau menggenggam; itu akan memiliki sistem optik dan belajar mengenali koneksi. Dan semua ini tanpa harus mengembangkan perangkat lunak apa pun.”

Salah satu keuntungan lain dari jenis komputer ini adalah bahwa plastisitasnya memungkinkan untuk membuat perubahan dan beradaptasi selama operasi. Sama seperti otak manusia, ini berarti komputer dapat menghadapi dan memecahkan masalah yang tidak pernah diprogram sebelumnya.

Alex memimpin operasi berita berbasis AI di Unite.AI, menggabungkan jurnalisme, riset, dan otomatisasi untuk mendukung liputan kecerdasan buatan yang tepat waktu dan dapat diskalakan. Karyanya membantu memastikan perkembangan AI yang muncul terungkap secara efisien sambil mempertahankan standar editorial publikasi.