นักวิจัยได้รับผลสำเร็จกับการคำนวณแบบ Neuromorphic

ทีมนักวิจัยจากสถาบัน Korea Advanced Institute of Science (KAIST) ได้รายงานเกี่ยวกับอุปกรณ์หน่วยความจำ Neuromorphic ขนาดนาโนที่เลียนแบบนิวรอนและซินแپسในหน่วยเซลล์เดียว การพัฒนานี้เป็นขั้นตอนที่สำคัญในการบรรลุการคำนวณแบบ Neuromorphic ที่สามารถเลียนแบบสมองมนุษย์ได้ด้วยอุปกรณ์เซมิคอนดักเตอร์

การวิจัยนี้ได้รับการตีพิมพ์ใน Nature Communications.

การสร้าง AI ด้วยการคำนวณแบบ Neuromorphic

ผู้เชี่ยวชาญกำลังทำงานเพื่อให้การคำนวณแบบ Neuromorphic สามารถสร้างความฉลาดทางอาร์ติฟิเชียล (AI) ได้โดยเลียนแบบกลไกของนิวรอนและซินแپسในสมองมนุษย์ คอมพิวเตอร์ในปัจจุบันไม่สามารถให้ฟังก์ชั่นการรู้คิดบางอย่างของสมองมนุษย์ได้เนื่องจากข้อจำกัดหลายประการ แต่ศักยภาพของมันได้รับการสำรวจอย่างละเอียด

อย่างไรก็ตาม วงจร Neuromorphic ที่ใช้ CMOS ในปัจจุบันเชื่อมต่อนิวรอนและซินแپسโดยไม่มีการโต้ตอบที่สอดคล้องกัน การนำนิวรอนและซินแپسไปใช้ได้พิสูจน์แล้วว่าเป็นเรื่องที่ยาก

เพื่อเอาชนะข้อจำกัดเหล่านี้ ทีมวิจัยที่นำโดย Professor Keon Jae Lee จากภาควิชาวิทยาศาสตร์และวิศวกรรมวัสดุได้นำกลไกการทำงานทางชีววิทยาของมนุษย์มาใช้โดยการนำการโต้ตอบระหว่างนิวรอนและซินแپسมาใช้ในหน่วยความจำเดียว ซึ่งแตกต่างจากแนวทางแบบดั้งเดิมในการเชื่อมต่อนิวรอนและซินแپسโดยใช้ไฟฟ้า

อุปกรณ์ Synaptic ที่เป็นเทียม

อุปกรณ์ Synaptic ที่เป็นเทียมที่ได้รับการศึกษามาก่อนหน้านี้มักใช้เพื่อเร่งการคำนวณแบบขนาน ซึ่งแสดงให้เห็นถึงความแตกต่างที่ชัดเจนจากกลไกการทำงานของสมองมนุษย์ โดยการนำการโต้ตอบที่สอดคล้องกันระหว่างนิวรอนและซินแپسมาใช้ในอุปกรณ์ความจำ Neuromorphic ทำให้สามารถเลียนแบบกลไกของเครือข่ายประสาทชีวภาพได้ อุปกรณ์ Neuromorphic ยังสามารถแทนที่วงจรนิวรอน CMOS ที่ซับซ้อนได้ด้วยอุปกรณ์เดียว ซึ่งปรับปรุงความสามารถในการขยายและประสิทธิภาพด้านต้นทุน

สมองมนุษย์ประกอบด้วยเครือข่ายที่ซับซ้อนของนิวรอน 100 พันล้านและซินแپس 100 ล้านล้าน และฟังก์ชั่นและโครงสร้างของสิ่งเหล่านี้สามารถเปลี่ยนแปลงได้ตามการกระตุ้นจากภายนอก ทำให้สามารถปรับตัวเข้ากับสภาพแวดล้อมรอบข้างได้ อุปกรณ์ Neuromorphic ที่พัฒนาขึ้นโดยทีมนักวิจัยช่วยให้ความจำระยะสั้นและระยะยาวสามารถอยู่ร่วมกันได้โดยใช้อุปกรณ์ความจำที่ลบเลื่องและไม่ลบเลื่องซึ่งเลียนแบบคุณลักษณะของนิวรอนและซินแپس อุปกรณ์ความจำที่ลบเลื่องแสดงด้วยอุปกรณ์สวิตช์ขีดจำกัด ในขณะที่อุปกรณ์ความจำแบบเปลี่ยนเฟสใช้เป็นอุปกรณ์ไม่ลบเลื่อง ด้วยอุปกรณ์ฟิล์มบางสองชั้นที่รวมกันโดยไม่มีแม่พิมพ์ไฟฟ้า การปรับตัวตามฟังก์ชั่นของนิวรอนและซินแپسสามารถนำไปใช้ได้ในอุปกรณ์ความจำ Neuromorphic

“นิวรอนและซินแپسโต้ตอบกันเพื่อสร้างฟังก์ชั่นการรู้คิด เช่น ความจำและการเรียนรู้ ดังนั้นการจำลองทั้งสองจึงเป็นองค์ประกอบที่จำเป็นสำหรับการสร้าง AI ที่ได้รับแรงบันดาลใจจากสมอง” Professor Lee กล่าว “อุปกรณ์ความจำ Neuromorphic ที่พัฒนาขึ้นยังเลียนแบบผลกระทบการฝึกอบรมซ้ำที่ช่วยให้เรียนรู้ข้อมูลที่ลืมได้อย่างรวดเร็วโดยการนำผลกระทบการให้ข้อเสนอแนะที่เป็นบวกระหว่างนิวรอนและซินแپسมาใช้”