Ingeniører arbeider med en ny type neuromorf datamaskin

Et team av ingeniører ved Penn State arbeider med en ny type datamaskin, da den tradisjonelle datamaskinens fremgang begynner å sakke. Den nye datamaskinmetoden er basert på hjernens neurale nettverk, som er ekstremt effektive.

Artikkelen ble publisert i Nature Communications.

Hjernen-inspirert datamaskin

Den største forskjellen mellom moderne datamaskiner og analoge datamaskiner, som hjernen tilhører, er at den først består av to tilstander: på/av eller en og null. På den andre siden kan en analog datamaskin ha mange mulige tilstander. Et eksempel brukt av teamet er sammenligningen mellom et lys som skrur på og av, og ett som har en variabel mengde lys.

Ifølge teamlederen og Penn State-assistentprofessor i ingeniørvitenskap og mekanikk Saptarshi Das, har studiet av hjernen-inspirert datamaskin funnet sted i over 40 år. I dagens verden tvinger digitale datamaskinens begrensninger oss nå til å se mot høyhastighets bildebehandling, som er tilfelle for autonome kjøretøy.

Stor data spiller også en betydelig rolle i overgangen til neuromorf datamaskin, gitt dens krav til mønstergjenkjenningstyper som fungerer godt med hjernen-basert datamaskin.

“Vi har kraftfulle datamaskiner, ingen tvil om det, problemet er at du må lagre minnet på ett sted og gjøre beregningene et annet sted,” sa Das.

Ved å flytte data frem og tilbake fra minne til logikk, brukes mye energi, noe som resulterer i langsommere beregningshastigheter. Før beregning og minnehåndtering kan være på samme sted, er mye plass nødvendig for denne type miljø.

Thomas Shranghamer er en doktorgradsstudent i gruppen og første forfatter av artikkelen.

“Vi lager kunstige neurale nettverk, som søker å etterligne energi- og arealeffektiviteten til hjernen,” sa Shranghamer. “Hjernen er så kompakt at den kan passe på toppen av skuldrene dine, mens en moderne superdatamaskin tar opp plassen til to eller tre tennisbaner.”

Omkonfigurerbare kunstige neurale nettverk

Teamet arbeider med kunstige neurale nettverk som kan omkonfigureres mye likt neuronene i den menneskelige hjernen. Dette skjer ved å bruke en kortvarig elektrisk felt til en ark av grafén, som er et tykt lag av karbonatomer. Minst 16 mulige minnetilstander ble demonstrert av teamet.

“Hva vi har vist er at vi kan kontrollere et stort antall minnetilstander med presisjon ved hjelp av enkle grafén-felt-effekttransistorer,” sa Das.

Teamet ønsker nå å kommersialisere teknologien, og Das tror at det vil være stor interesse for arbeidet gitt den nåværende overgangen til denne type kunstige neurale nettverk blant de største halvlederprodusentene.

Arbeidet fra teamet ved Penn State er det siste eksemplet på overgangen til disse typene kunstige neurale nettverk. Den menneskelige hjernen viser igjen sin verdi som inspirasjon for mange av de nyeste teknologiene, og den gir verdifull innsikt i hvordan eksperter kan drastisk redusere størrelsen på moderne superdatamaskiner.