Naukowcy opracowują tranzystor, który jednocześnie przetwarza i przechowuje informacje, podobnie jak ludzki mózg. Tranzystor wykracza poza zadania kategoryzacji i realizuje uczenie się asocjacyjne. Poprzednie podobne urządzenia mogły działać tylko w temperaturach kriogenicznych; nowy tranzystor działa w temperaturze pokojowej, co czyni go bardziej praktycznym.
Czerpiąc inspirację z ludzkiego mózgu, badacze opracowali nowy tranzystor synaptyczny zdolny do myślenia na wyższym poziomie.
Zaprojektowane przez naukowców z Northwestern University, Boston College i Massachusetts Institute of Technology (MIT) urządzenie jednocześnie przetwarza i przechowuje informacje tak samo, jak ludzki mózg. W nowych eksperymentach naukowcy wykazali, że tranzystor wykracza poza proste zadania uczenia maszynowego i kategoryzuje dane; jest w stanie przeprowadzać uczenie się asocjacyjne.
Wyniki badania opublikowano w czasopiśmie Nature.
– Mózg ma zasadniczo inną architekturę niż komputer cyfrowy – powiedział Mark C. Hersam z Northwestern, który współkierował badaniami. – W komputerze cyfrowym dane przemieszczają się tam i z powrotem pomiędzy mikroprocesorem a pamięcią, co zużywa dużo energii i tworzy wąskie gardło przy próbie wykonywania wielu zadań jednocześnie. Z drugiej strony w mózgu, pamięci i informacji przetwarzanie są zlokalizowane w tym samym miejscu i w pełni zintegrowane, co skutkuje o rząd wielkości wyższą efektywnością energetyczną. Nasz tranzystor synaptyczny w podobny sposób osiąga funkcjonalność jednoczesnej pamięci i przetwarzania informacji, aby wierniej naśladować mózg.
Hersam jest profesorem nauk o materiałach i inżynierii Waltera P. Murphy’ego w McCormick School of Engineering w Northwestern. Jest także kierownikiem katedry inżynierii i inżynierii materiałowej, dyrektorem Centrum Nauki i Inżynierii Materiałów oraz członkiem Międzynarodowego Instytutu Nanotechnologii. Hersam współprowadziła badania wraz z Qiong Ma z Boston College i Pablo Jarillo-Herrero z MIT.
Niedawne postępy w dziedzinie sztucznej inteligencji (AI) zmotywowały badaczy do opracowania komputerów działających bardziej na wzór ludzkiego mózgu. Konwencjonalne, cyfrowe systemy komputerowe mają oddzielne jednostki przetwarzające i przechowujące, co powoduje, że zadania wymagające dużej ilości danych pochłaniają duże ilości energii. Ponieważ inteligentne urządzenia stale gromadzą ogromne ilości danych, badacze starają się odkryć nowe sposoby przetwarzania ich bez zużywania coraz większej ilości energii. Obecnie rezystor pamięci, czyli „memrystor”, to najlepiej rozwinięta technologia, która może wykonywać połączone funkcje przetwarzania i pamięci. Jednak memrystory nadal borykają się z kosztownymi energetycznie przełączaniami.
– Od kilkudziesięciu lat paradygmatem w elektronice jest budowanie wszystkiego z tranzystorów i stosowanie tej samej architektury krzemowej – powiedział Hersam. – Osiągnięto znaczący postęp poprzez proste umieszczanie coraz większej liczby tranzystorów w układach scalonych. Nie można zaprzeczyć sukcesowi tej strategii, ale odbywa się to kosztem dużego zużycia energii, szczególnie w obecnej epoce dużych zbiorów danych, w której wykorzystuje się obliczenia cyfrowe toru, aby przeciążyć sieć. Musimy ponownie przemyśleć sprzęt komputerowy, szczególnie pod kątem zadań związanych ze sztuczną inteligencją i uczeniem maszynowym.
W nowym urządzeniu naukowcy połączyli dwa różne rodzaje atomowo cienkich materiałów: dwuwarstwowy grafen i sześciokątny azotek boru.
Aby przetestować tranzystor, Hersam i jego zespół przeszkolili go w zakresie rozpoznawania podobnych – ale nie identycznych – wzorców. Nieco wcześniej Hersam wprowadził nowe urządzenie nanoelektroniczne zdolne do analizowania i kategoryzowania danych w energooszczędny sposób, ale jego nowy tranzystor synaptyczny posuwa uczenie maszynowe i sztuczną inteligencję o krok dalej.
– Jeśli sztuczna inteligencja ma naśladować ludzki sposób myślenia, jednym z zadań najniższego poziomu byłaby klasyfikacja danych, czyli po prostu sortowanie ich do boksów – powiedział Hersam. – Naszym celem jest rozwój technologii sztucznej inteligencji w kierunku myślenia wyższego poziomu. Warunki w świecie rzeczywistym są często bardziej skomplikowane, niż są w stanie obsłużyć obecne algorytmy sztucznej inteligencji, dlatego testowaliśmy nasze nowe urządzenia w bardziej skomplikowanych warunkach, aby zweryfikować ich zaawansowane możliwości.
W eksperymentach nowy tranzystor synaptyczny z powodzeniem rozpoznał podobne wzorce, wykazując swoją pamięć skojarzeniową.
Badanie „Tranzystor synaptyczny Moiré z funkcjonalnością neuromorficzną w temperaturze pokojowej” zostało wsparte głównie przez National Science Foundation.
Źródło: materiały Northwestern University; zdjęcie zajawka: PublicDomainPictures/Pixabay
Zostaw komentarz
You must be logged in to post a comment.