AI-modeller och plattformar

Datorkomponent som imiterar mänskliga hjärnsynapser

mm
Lägg till Unite.AI bland dina föredragna källor på Google

En ny datorkomponent som utvecklats av forskare vid KTH Royal Institute of Technology och Stanford University imiterar den mänskliga hjärnan genom att fungera som en synaptisk cell. Den nya komponenten kallas elektrokemiskt slumpmässigt åtkomlig minne (ECRAM).

Uppkomsten av neuromorfiska datorer

ECRAM-minneskomponenterna tillverkades med 2D-titankarbid och visade en imponerande förmåga att komplettera klassisk transistor-teknologi. De möjliggör kommersialiseringen av kraftfulla datorer som modellerats efter hjärnans neurala nätverk. Dessa neuromorfiska datorer har potentialen att vara avsevärt mer energisnåla än dagens datorer.

ECRAM har en arkitektur som är dramatiskt annorlunda än klassisk datorarkitektur och fungerar som en synaptisk cell i ett konstgjort nätverk.

Max Hamedi är en biträdande professor vid KTH.

“I stället för transistorer som antingen är på eller av och behovet av att information ska föras tillbaka och fram mellan processorn och minnet – dessa nya datorer förlitar sig på komponenter som kan ha flera tillstånd och utföra beräkningar i minnet”, säger Hamedi.

Forskarteamet vid KTH och Stanford har arbetat med att testa mer effektiva material för att bygga en ECRAM. För att göra dessa chip kommersiellt livskraftiga krävs material som kan övervinna den långsamma kinetiken hos metalloxider samt den instabila temperaturen hos plaster.

MXene-material

Forskarna tillverkade ett material som kallas MXene, som är en 2D-förening som är bara några atomer tjock och består av titankarbid. MXene kombinerar den höga hastigheten hos organisk kemi och den integrationskompatibilitet som finns hos oorganiska material.

MXene-ECRAM kombinerar hastighet, skrivbrus, linjäritet, växlingsenergi och uthållighet som behövs för parallell acceleration av artificiella neurala nätverk (ANN).

Professor Alberto Salleo vid Stanford University är medförfattare till forskningen.

“MXener är en spännande materialfamilj för denna specifika tillämpning eftersom de kombinerar den temperaturstabilitet som behövs för integration med konventionell elektronik med tillgängligheten av ett stort sammansättningsutrymme för att optimera prestanda”, säger Salleo.

Enligt Hamedi finns det fortfarande många hinder som måste övervinnas om konsumenterna ska kunna köpa sina egna neuromorfiska datorer. Men de 2D-ECRAM är ett stort genombrott inom området neuromorfiska material. De kan möjliggöra AI som kan anpassa sig till förvirrande indata och nyans, liknande den mänskliga hjärnan. Samtidigt skulle det kräva avsevärt mindre energiförbrukning.

Alex McFarland är en AI-journalist och författare som utforskar de senaste utvecklingarna inom artificiell intelligens. Han har samarbetat med många AI-startups och publikationer över hela världen.