Forskere imiterer hjernens neuroner med halvledermateriale

Datamaskin-chipene er ett av de viktigste aspektene ved kunstig intelligens (KI). De kraftige små delene er grunnleggende for automatisk bildegenkjenning og er delvis ansvarlige for å lære roboter hvordan de skal utføre visse aktiviteter som å gå. Med den økende potensialet for KI-teknologi, må datamaskin-chipene i dag være både ekstremt kraftfulle og økonomiske, men dette er en vanskelig ting å oppnå.

Siden konvensjonell mikroelektronikk bare kan optimaliseres så mye på grunn av fysiske begrensninger, har forskerne vendt seg til hjernen, som de ofte gjør, for å finne inspirasjon til hvordan de kan prosessere og lagre informasjon mer effektivt.

Forskere ved TU Dresden og Helmholtz-Zentrum Dresden-Rossendorf (HZDR) har lykkes i å imitere hjernens neuroner ved å bruke halvledermateriale, for første gang noensinne.

Forskningen ble publisert i tidsskriftet Nature Electronics.

Arbeidet ble gjort av tre primære forfattere, inkludert HZDR-fysikeren Larysa Baraban, og det var et internasjonalt samarbeid mellom seks institusjoner.

Dagens mikroelektronikk vs den kunstige neuronen

Teknikken som oftest brukes i dag for å forbedre mikroelektronikkens ytelse, er ved å redusere komponentstørrelsen. I tilfelle av silisium-datamaskin-chip, skjer denne reduksjonen for de enkelte transistorer.

Ifølge Baraban, “kan dette ikke fortsette uendelig — vi trenger nye tilnærminger.”

Forskerne satte ut til å imitere hjernen og skape en kunstig neuron som kunne kombinere data-prosessering og data-lagring.

“Vår gruppe har omfattende erfaring med biologiske og kjemiske elektroniske sensorer, ” sier Barbara. “Så vi simulerte egenskapene til neuroner ved å bruke prinsippene for biosensorer og modifiserte en klassisk felteffekt-transistor for å skape en kunstig neuron-transistor.”

Dette tilnærmingsmåten tillater samtidig lagring og informasjonsprosessering, all innen én enkelt komponent. I transistor-teknologien som er mest brukt i dag, er disse to prosessene separert, noe som resulterer i langsommere prosesserings-tider og ytelsesbegrensninger.

Hjernen

Forskere har arbeidet med å konstruere datamaskiner basert på hjernen i mange år, men mye av det har vært mislykket. Noen av de første forsøkene involverte nerve-celler som ble koblet til elektronikk i Petri-skåler, men som Gianaurelio Cuniberti sier, som er professor for materialevitenskap og nanoteknologi ved TU Dresden, “en våt datamaskin-chip som må mates hele tiden, er til ingen nytte for noen.”

Forskergruppen var suksessfull i å implementere neurotransistoren.

“Vi anvender en viskøs substans – kalt sol-gel – til en konvensjonell silisium-vafel med kretser. Denne polymeren herder og blir en porøs keramikk, ” sier Cuniberti. “Ionene beveger seg mellom hullene. De er tyngre enn elektroner og langsommere til å returnere til deres posisjon etter eksitasjon. Denne forsinkelsen, kalt hysteresis, er det som forårsaker lagrings-effekten. Jo mer en enkelt transistor blir eksitert, jo sneller åpner den og lar strømmen flyte. Dette styrker forbindelsen. Systemet lærer.”

Ifølge teamet, vil chipen være mindre presis og ville estimere matematiske beregninger, sammenlignet med å beregne dem ned til siste desimal.

“Men de ville være mer intelligente, ” sier Cuniberti. “For eksempel, en robot med slike prosessorer ville lære å gå eller gripe; den ville ha et optisk system og lære å gjenkjenne forbindelser. Og all dette uten å måtte utvikle noen programvare.”

En av de andre store fordelene med denne type datamaskin er at plasticiteten tillater den å gjøre endringer og tilpasse seg under drift. Liksom hjernen, betyr dette at datamaskinen kan ende opp med å møte og løse problemer som den aldri var programmert til å begynne med.