นักวิจัยเลียนแบบニューロンสมองโดยใช้วัสดุเซมิคอนดักเตอร์

ไมโครชิปคอมพิวเตอร์เป็นหนึ่งในส่วนที่สำคัญที่สุดของปัญญาประดิษฐ์ (AI) ชิ้นส่วนที่ทรงพลังนี้เป็นพื้นฐานของการรู้จำภาพอัตโนมัติ และเป็นส่วนหนึ่งที่สอนให้หุ่นยนต์สามารถทำกิจกรรมบางอย่าง เช่น การเดิน

เนื่องจากไมโครอิเล็กทรอนิกส์แบบเดิมสามารถปรับให้ดีขึ้นได้เพียงแค่บางส่วนเท่านั้นเนื่องจากข้อจำกัดทางกายภาพ นักวิจัยจึงหันไปหาสมองมนุษย์เป็นแรงบันดาลใจในการประมวลผลและจัดเก็บข้อมูลได้อย่างมีประสิทธิภาพมากขึ้น

นักวิทยาศาสตร์จาก TU Dresden และ Helmholtz-Zentrum Dresden-Rossendorf (HZDR) ได้สร้างสรรค์งานของニューロนสมองโดยใช้วัสดุเซมิคอนดักเตอร์เป็นครั้งแรก

การวิจัยได้รับการตีพิมพ์ในวารสาร Nature Electronics

งานนี้ได้รับการดำเนินการโดยผู้เขียนหลักสามคน รวมถึง Larysa Baraban นักฟิสิกส์จาก HZDR และเป็นการร่วมมือระหว่างประเทศระหว่างหกสถาบัน

ไมโครอิเล็กทรอนิกส์ปัจจุบันเทียบกับニューロนเทียม

เทคนิคที่ใช้บ่อยที่สุดในปัจจุบันในการปรับปรุงประสิทธิภาพของไมโครอิเล็กทรอนิกส์ คือการลดขนาดของส่วนประกอบ ในกรณีของไมโครชิปซิลิกอน การลดขนาดนี้เกิดขึ้นสำหรับทรานซิสเตอร์แต่ละตัว

ตามที่ Baraban กล่าวว่า “สิ่งนี้ไม่สามารถดำเนินต่อไปได้เราต้องการแนวทางใหม่”

นักวิจัยได้ตั้งเป้าหมายในการเลียนแบบสมองและสร้างニューロนเทียมที่สามารถรวมการประมวลผลข้อมูลและจัดเก็บข้อมูลได้

“กลุ่มของเรามีประสบการณ์ที่กว้างขวางเกี่ยวกับเซ็นเซอร์อิเล็กทรอนิกส์ทางชีวภาพและเคมี” Barbara กล่าว “ดังนั้นเราจึงจำลองคุณสมบัติของニューロนโดยใช้หลักการของไบโอเซ็นเซอร์และปรับเปลี่ยนทรานซิสเตอร์แบบฟิลด์-เอฟเฟคทั่วไปเพื่อสร้างทรานซิสเตอร์ニューロนเทียม”

แนวทางนี้ทำให้สามารถเก็บข้อมูลและประมวลผลข้อมูลพร้อมกันภายในส่วนประกอบเดียว ในเทคโนโลยีทรานซิสเตอร์ที่ใช้กันมากที่สุดในปัจจุบัน กระบวนการเหล่านี้ถูกแยกออกจากกัน ซึ่งทำให้เวลาประมวลผลช้าลงและจำกัดประสิทธิภาพ

สมองมนุษย์

นักวิจัยได้ทำงานในการสร้างคอมพิวเตอร์ตามสมองมนุษย์มาหลายปี แต่ส่วนใหญ่ไม่ประสบความสำเร็จ การพยายามครั้งแรกบางอย่างเกี่ยวข้องกับการเชื่อมต่อเซลล์ประสาทกับอิเล็กทรอนิกส์ในจานเพทรี แต่ตามที่ Gianaurelio Cuniberti กล่าวซึ่งเป็นศาสตราจารย์ด้านวัสดุศาสตร์และนาโนเทคโนโลยีจาก TU Dresden “ไมโครชิปที่เป็นของเหลวที่ต้องให้อาหารตลอดเวลาไม่มีประโยชน์ใดๆ ต่อใคร”

ทีมนักวิจัยประสบความสำเร็จในการนำทรานซิสเตอร์ニューロนมาใช้

“เรานำสารที่มีความหนืด – เรียกว่า solgel – มาใช้กับซิลิกอนเวเฟอร์ทั่วไปที่มีวงจร” Cuniberti กล่าว “พอลิเมอร์นี้จะแข็งตัวและกลายเป็นเซรามิกที่มีรูพรุน ไอออนจะเคลื่อนที่ระหว่างรูพรุน ซึ่งมีน้ำหนักมากกว่าเอเล็กตรอนและช้ากว่าในการกลับไปสู่ตำแหน่งเดิมหลังจากการกระตุ้น ความล่าช้านี้เรียกว่าไฮสเทรซิส ซึ่งเป็นสิ่งที่ทำให้เกิดผลกระทบในการจัดเก็บข้อมูล ทรานซิสเตอร์แต่ละตัวจะเริ่มเปิดและปล่อยกระแสไฟฟ้าเร็วขึ้นเมื่อมีการกระตุ้นมากขึ้น ซึ่งจะทำให้การเชื่อมต่อแข็งแรงขึ้น ระบบนี้กำลังเรียนรู้”

ตามทีมนักวิจัย ชิปนี้จะมีความแม่นยำน้อยกว่าและจะประมาณการคำนวณทางคณิตศาสตร์มากกว่าการคำนวณลงตัว

“แต่มันจะฉลาดกว่า” Cuniberti กล่าว “ตัวอย่างเช่น หุ่นยนต์ที่มีโปรเซสเซอร์ดังกล่าวจะเรียนรู้ที่จะเดินหรือจับของ มันจะมีระบบการมองเห็นและเรียนรู้ที่จะรับรู้การเชื่อมต่อ และทุกสิ่งนี้ล้วนไม่ต้องมีการพัฒนาซอฟต์แวร์”

หนึ่งในประโยชน์หลักของคอมพิวเตอร์ประเภทนี้คือความสามารถในการปรับเปลี่ยนและปรับตัวในช่วงการทำงาน เช่นเดียวกับสมองมนุษย์ ซึ่งหมายความว่าคอมพิวเตอร์สามารถพบปัญหาและแก้ปัญหาได้โดยไม่ต้องถูกตั้งโปรแกรมไว้ล่วงหน้า