Forskare imiterar hjärnneuroner med hjälp av halvledarmaterial

Datorchip är en av de viktigaste aspekterna av artificiell intelligens (AI). De kraftfulla små delarna är grundläggande för automatisk bildigenkänning och är delvis ansvariga för att lära robotar att utföra vissa aktiviteter, som att gå. Med den ökande potentialen för AI-teknik krävs det att dagens datorchip är både extremt kraftfulla och ekonomiska, men detta är en svår sak att åstadkomma.

Eftersom konventionell mikroelektronik endast kan optimeras så mycket på grund av fysiska begränsningar, har forskare vänt sig till den mänskliga hjärnan, som de ofta gör, för inspiration om hur man kan bearbeta och lagra information mer effektivt.

Forskare vid TU Dresden och Helmholtz-Zentrum Dresden-Rossendorf (HZDR) har lyckats imitera hjärnneuroners funktioner med hjälp av halvledarmaterial, för första gången någonsin.

Forskningen publicerades i tidskriften Nature Electronics.

Arbetet utfördes av tre huvudförfattare, inklusive HZDR-fysikern Larysa Baraban, och det var ett internationellt samarbete mellan sex institutioner.

Dagens mikroelektronik vs den artificiella neuronen

Tekniken som oftast används idag för att förbättra mikroelektronikens prestanda är att minska komponentstorleken. I fallet med kisel-datorchip sker denna minskning för de enskilda transistorerna.

Enligt Baraban, “Det kan inte fortsätta i all evighet – vi behöver nya tillvägagångssätt.”

Forskarna satte upp målet att imitera hjärnan och skapa en artificiell neuron som kunde kombinera data bearbetning och data lagring.

“Vår grupp har omfattande erfarenhet av biologiska och kemiska elektroniska sensorer”, säger Baraban. “Så vi simulerade neuronernas egenskaper med hjälp av biosensorernas principer och modifierade en klassisk fält-effekttransistor för att skapa en artificiell neurontransistor.”

Detta tillvägagångssätt möjliggör samtidig lagring och bearbetning av information, allt inom en enda komponent. I den transistor-teknik som används idag är dessa två processer separerade, vilket resulterar i långsammare bearbetningstider och prestandabegränsningar.

Den mänskliga hjärnan

Forskare har arbetat med att konstruera datorer baserade på den mänskliga hjärnan i många år, men mycket av det har varit utan framgång. Några av de första försöken innebar att nervceller kopplades till elektronik i Petri-skålar, men som Gianaurelio Cuniberti, som är professor i materialvetenskap och nanoteknik vid TU Dresden, säger, “en fuktig datorchip som måste matas hela tiden är till ingen nytta för någon.”

Forskarlaget lyckades implementera neurotransistorn.

“Vi applicerar en viskös substans – kallad sol-gel – på en konventionell kiselwafer med kretsar. Denna polymer härdar och blir en porös keramik”, säger Cuniberti. “Joner rör sig mellan hålen. De är tyngre än elektroner och långsammare att återvända till sin position efter excitering. Denna fördröjning, som kallas hysteres, är vad som orsakar lagrings-effekten. Ju mer en enskild transistor exciteras, desto snabbare kommer den att öppna och släppa igenom strömmen. Detta stärker anslutningen. Systemet lär sig.”

Enligt laget kommer chipen att vara mindre exakt och kommer att uppskatta matematiska beräkningar, jämfört med att beräkna dem ner till den sista decimalen.

“Men de skulle vara mer intelligenta”, säger Cuniberti. “Till exempel skulle en robot med sådana processorer lära sig att gå eller gripa; den skulle ha ett optiskt system och lära sig att känna igen anslutningar. Och allt detta utan att behöva utveckla någon programvara.”

En av de andra stora fördelarna med den här typen av dator är att plasticiteten tillåter den att göra förändringar och anpassa sig under drift. Liksom den mänskliga hjärnan, innebär detta att datorn kan hamna i situationer och lösa problem som den aldrig var programmerad att hantera från början.