Naukowcy naśladują neurony mózgu za pomocą materiałów półprzewodnikowych

Układy scalone są jednym z najważniejszych aspektów sztucznej inteligencji (AI). Potężne małe elementy są podstawą automatycznego rozpoznawania obrazów i są częściowo odpowiedzialne za nauczanie robotów, jak wykonywać pewne czynności, takie jak chodzenie. Wraz ze wzrostem potencjału technologii AI, dzisiejsze układy scalone muszą być zarówno niezwykle potężne, jak i ekonomiczne, ale jest to trudna rzecz do osiągnięcia.

Ponieważ konwencjonalna mikroelektronika może być optymalizowana tylko do pewnego stopnia ze względu na ograniczenia fizyczne, naukowcy zwrócili się ku ludzkiemu mózgowi, jak to często robią, w poszukiwaniu inspiracji, jak przetwarzać i przechowywać informacje w sposób bardziej wydajny.

Naukowcy z TU Dresden i Helmholtz-Zentrum Dresden-Rossendorf (HZDR) po raz pierwszy na świecie berhasil naśladowali działanie neuronów mózgu za pomocą materiałów półprzewodnikowych.

Badania zostały opublikowane w czasopiśmie Nature Electronics.

Pracę tę wykonali trzej główni autorzy, w tym fizyk HZDR Larysa Baraban, a była to międzynarodowa współpraca między sześcioma instytucjami.

Dzisiejsza mikroelektronika a sztuczny neuron

Najczęściej stosowaną obecnie techniką poprawy wydajności mikroelektroniki jest redukcja rozmiaru elementów. W przypadku układów scalonych na krzemie redukcja ta odbywa się dla poszczególnych tranzystorów.

Według Baraban, „To nie może trwać wiecznie – potrzebujemy nowych podejść”.

Naukowcy postanowili naśladować mózg i stworzyć sztuczny neuron, który mógłby łączyć przetwarzanie i przechowywanie danych.

„Nasza grupa ma obszerną wiedzę na temat czujników biologicznych i chemicznych, „mówi Barbara. „Więc symulowaliśmy właściwości neuronów za pomocą zasad czujników biosensorycznych i zmodyfikowaliśmy klasyczny tranzystor polowy, aby stworzyć tranzystor sztucznego neuronu”.

To podejście pozwala na jednoczesne przechowywanie i przetwarzanie informacji, wszystko w ramach jednego elementu. W technologii tranzystorów, która jest najczęściej stosowana dzisiaj, te dwa procesy są rozdzielone, co skutkuje wolniejszymi czasami przetwarzania i ograniczeniami wydajności.

Ludzki mózg

Naukowcy od wielu lat pracują nad konstruowaniem komputerów opartych na ludzkim mózgu, ale wiele z tych prób było nieudanych. Niektóre z pierwszych prób obejmowały połączenie komórek nerwowych z elektroniką w szalkach Petriego, ale jak mówi Gianaurelio Cuniberti, profesor nauk o materiałach i nanotechnologii na TU Dresden, „mokry układ scalony, który musi być karmiony cały czas, nie jest przydatny dla nikogo”.

Zespół naukowców erfolgreich zaimplementował neurotransistor.

„Stosujemy lepki substancję – zwany sol-gel – do konwencjonalnej płyty krzemowej z obwodami. Ten polimer twardnieje i staje się porowatą ceramiką”, mówi Cuniberti. „Jony poruszają się między porami. Są one cięższe od elektronów i wolniej wracają do swojego położenia po pobudzeniu. To opóźnienie, zwane histerezą, jest tym, co powoduje efekt przechowywania. Im więcej poszczególny tranzystor jest pobudzony, tym szybciej otworzy się i pozwoli przepłynąć prądowi. To wzmacnia połączenie. System uczy się”.

Według zespołu, układ scalony będzie mniej precyzyjny i będzie szacował obliczenia matematyczne, w porównaniu z obliczaniem ich do ostatniej cyfry.

„Ale będą bardziej inteligentne”, mówi Cuniberti. „Na przykład, robot z takimi procesorami nauczy się chodzić lub chwytać; będzie miał system optyczny i nauczy się rozpoznawać połączenia. I wszystko to bez konieczności tworzenia oprogramowania”.

Jednym z innych głównych korzyści tego typu komputera jest to, że plastyczność pozwala mu na wprowadzanie zmian i adaptację podczas pracy. Podobnie jak ludzki mózg, oznacza to, że komputer może napotkać i rozwiązać problemy, których nie był programowany do rozwiązania.