MIT Scientists Design Artificial Synapse för hjärnliknande datorkakor

IBM’s Incredible TrueNorth Chip || Neuromorphic Computing

IBM’s Incredible TrueNorth Chip || Neuromorphic Computing
Anonim

En ny era av beräkningar kom precis närmare, som forskare har skapat designen och kör det första någonsin praktiska testet för en artificiell synaps som kan låta datorer replikera några av hjärnans mest kraftfulla och invecklade funktioner.

Medan datorer kan tyckas kraftfullare än våra hjärnor, kan vi faktiskt hantera ett mycket större antal möjliga signaler än "on" och "off" av binära, tack vare synapserna som hanterar anslutningarna mellan neuroner.

Att kopiera den möjligheten i en dator kräver artificiella synapser som på ett tillförlitligt sätt kan skicka alla de subtilt olika signalerna. Som de beskriver i måndagens utgåva av tidningen Naturmaterial, forskare vid Massachusetts Institute of Technology har utfört det som de kallar det första någonsin praktiska testet av en sådan artificiell synapse, vilket släppte ut det som kallas neuromorf databehandling.

Medan testen endast hände i datorsimuleringar var testen lovande. Forskarna använde de syntetiska synapsdesignerna för att känna igen olika handstilprover. Den simulering som de körde lyckades nästan matcha vad befintliga traditionella algoritmer kan göra när det gäller noggrannhet - 95 versus 97 procent - vilket är en imponerande utgångspunkt för tekniken är absolut barnlöshet.

Traditionella digitala datorer använder sig av binär signalering. Ett värde av en betyder "on", medan ett värde på noll betyder "off". Eftersom datorer kan utföra specifika beräkningar mycket snabbare och effektivare än vi kan, är det lätt att anta att detta binära tillvägagångssätt är bättre än vad som händer i vår hjärnor.

Men den analoga inställningen av de 100 miljarder neuronerna i var och en av våra hjärnor är förmodligen mycket mer sofistikerad. 100 biljon synapser som hanterar förbindelserna mellan dessa neuroner skickar inte bara på eller av signaler.

De olika typerna och antalet joner som strömmar över ett givet synaps bestämmer hur stark en signal den skickar till en viss neuron, och det spektrumet av möjliga meddelanden innebär att vår hjärna kan låsa upp en mycket större mängd beräkningar. Om datorer kunde lägga till den typen av komplexitet till sina redan stora verktyg, skulle du titta på några seriöst kraftfulla maskiner - och de skulle inte heller behöva vara jätte.

Här är problemet: Naturen har haft ett par miljarder år för att perfekta synapserna i våra hjärnor och hos andra arter. Forskare har bara försökt att skapa syntetisk ekvivalent under några år, och det finns några stora hinder. Det största är att någon artificiell synapse måste på ett tillförlitligt sätt skicka precis samma typ av signal för varje ingång som den mottar, annars bryts den invecklade ned i kaos.

"När du använder en viss spänning för att representera vissa data med din artificiella neuron, måste du radera och kunna skriva den igen på exakt samma sätt," sa Kim. "Men i ett amorft fastämne, när du skriver igen, går joner i olika riktningar eftersom det finns många brister. Denna ström förändras, och det är svårt att kontrollera. Det är det största problemet - ojämnhet av den artificiella synapsen."

MIT-forskarna är optimistiska, deras design har gjort betydande framsteg på detta problem genom att använda ett annat material, ett enkristalliskt kisel som utför perfekt utan defekter. I en simulering konstruerade forskarna konstgjorda synapser ovanpå denna grund med användning av det gemensamma transistormaterialet kisel germanium, de kunde skapa strömmar som varierade endast cirka fyra procent mellan olika synapser. Det är inte perfekt, men det är en stor förbättring på vad som har uppnåtts tidigare.

För närvarande är detta arbete teoretiskt, och det finns en skillnad mellan att visa lovande resultat i en simulering jämfört med att inse det i ett verkligt test i realtid. Men Kim och hans team är optimistiska.

"Detta öppnar en stege för att producera verklig konstgjord hårdvara," sa han.