Mühendisler on binlerce yapay beyin sinapslarını tek bir yongaya koydular 

Mühendisler, bir konfeti parçasından daha küçük olan, memristor olarak bilinen on binlerce yapay beyin sinapslarından - bilgi ileten sinapsları taklit eden silikon bazlı bileşenlerden yapılmış bir 'çip üzerinde beyin' tasarladılar. İnsan beyni.

Mühendisler on binlerce yapay beyin sinapslarını tek bir yongaya koydular 

Mühendisleri, hatırlatıcılar olarak bilinen on binlerce yapay beyin sinapslarından (bilgi ileten sinapsları taklit eden silikon bazlı bileşenler) yapılmış bir konfeti parçasından daha küçük bir "çip üzerinde beyin" tasarladı insan beyni.

Araştırmacılar, gümüş ile bakır alaşımlarının her bir memrisini silikonla birlikte üretmek için metalurji ilkelerinden ödünç aldılar. Çipi birkaç görsel görev boyunca çalıştırdıklarında, çip, depolanmamış görüntüleri "hatırlayamadı" ve alaşımsız elemanlarla yapılan mevcut memristor tasarımlarına kıyasla daha net ve daha temiz sürümlerde birçok kez yeniden üretebildi.

Bugün Nature Nanotechnology dergisinde yayınlanan sonuçları, nöromorfik cihazlar için ümit verici yeni bir memristor tasarımı gösteriyor - bilgiyi beynin nöral mimarisini taklit edecek şekilde işleyen yeni bir devre türüne dayanan elektronikler. Beyinten ilham alan bu tür devreler küçük, taşınabilir cihazlara yerleştirilebilir ve yalnızca günümüzün süper bilgisayarlarının üstesinden gelebileceği karmaşık hesaplama görevlerini yerine getirebilirdi.

“Şimdiye kadar, yapay sinaps ağları yazılım olarak var. Taşınabilir yapay zeka sistemleri için gerçek sinir ağı donanımı oluşturmaya çalışıyoruz” diyor MIT'deki makine mühendisliği doçenti Jeehwan Kim. "Nöromorfik bir cihazı arabanızdaki bir kameraya bağladığınızı ve ışıkları ve nesneleri tanımasını ve internete bağlanmak zorunda kalmadan hemen karar vermesini hayal edin. Bu görevleri yerinde yapmak için enerji tasarruflu memrisleri kullanmayı umuyoruz, gerçek zamanda."

Gezgin iyonlar

Memristorlar veya bellek transistörleri, nöromorfik hesaplamada önemli bir unsurdur. Nöromorfik bir cihazda, bir memristor bir devrede transistör görevi görür, ancak çalışmaları bir beyin sinapsına (iki nöron arasındaki bağlantı) daha yakından benzeyecektir. Sinaps, bir nörondan iyonlar şeklinde sinyaller alır ve bir sonraki nörona karşılık gelen bir sinyal gönderir.

Geleneksel bir devredeki bir transistör, bilgiyi sadece iki değerden biri olan 0 ve 1 arasında geçiş yaparak ve bunu ancak aldığı sinyal, bir elektrik akımı biçiminde belirli bir güçte olduğunda iletir. Bunun aksine, bir memristor, beyindeki bir sinaps gibi bir gradyan boyunca çalışacaktır. Ürettiği sinyal, aldığı sinyalin gücüne bağlı olarak değişecektir. Bu, tek bir memristorun birçok değere sahip olmasını sağlar ve bu nedenle ikili transistörlerden çok daha geniş bir işlem aralığı gerçekleştirir.

Bir beyin sinaps gibi, bir memris de belirli bir akım gücüyle ilişkili değeri "hatırlayabilir" ve bir dahaki sefere benzer bir akım aldığında tam olarak aynı sinyali üretebilir. Bu, karmaşık bir denklemin cevabının veya bir nesnenin görsel sınıflandırmasının güvenilir olmasını sağlayabilir - normalde birden fazla transistör ve kapasitör içeren bir başarı.

Sonuç olarak, bilim adamları memrisörlerin geleneksel transistörlerden çok daha az yonga gayrimenkulüne ihtiyaç duyacağını öngörerek, süper bilgisayarlara veya hatta internet bağlantılarına dayanmayan güçlü, taşınabilir bilgi işlem cihazlarına olanak tanıyacak.

Ancak mevcut memristor tasarımları performanslarıyla sınırlıdır. Tek bir memristor, bir "anahtarlama ortamı" veya elektrotlar arasındaki boşluk ile ayrılan pozitif ve negatif bir elektrottan yapılır. Bir elektrota bir voltaj uygulandığında, o elektrottan gelen iyonlar ortamdan akar ve diğer elektroda bir "iletim kanalı" oluşturur. Alınan iyonlar, memitörün devre boyunca ilettiği elektrik sinyalini oluşturur. İyon kanalının boyutu (ve memrisörün nihai olarak ürettiği sinyal) uyarıcı voltajın gücü ile orantılı olmalıdır.

Kim, mevcut memristor tasarımlarının, voltajın büyük bir iletim kanalını veya bir elektrottan diğerine ağır iyon akışını uyardığı durumlarda oldukça iyi çalıştığını söylüyor. Ancak bu tasarımlar, memrislerin daha ince iletim kanalları yoluyla daha ince sinyaller üretmesi gerektiğinde daha az güvenilirdir.

Bir iletim kanalı ne kadar ince olursa ve iyonların bir elektrottan diğerine akışı ne kadar hafif olursa, tek tek iyonların birlikte kalması o kadar zordur. Bunun yerine, ortam içinde dağılmış olarak gruptan uzaklaşmaya eğilimlidirler. Sonuç olarak, alıcı elektrodun aynı sayıda iyonu güvenilir bir şekilde yakalaması ve dolayısıyla belirli bir düşük akım aralığıyla uyarıldığında aynı sinyali iletmesi zordur.

Metalurjiden borçlanma

Kim ve meslektaşları, metalürjiden bir teknik ödünç alarak, metalleri alaşımlara eritme bilimini ve birleşik özelliklerini inceleyerek bu sınırlamanın etrafında bir yol buldular.

Kim, "Geleneksel olarak, metalürji uzmanları malzemeleri güçlendirmek için toplu bir matrise farklı atomlar eklemeye çalışıyorlar ve neden memristorumuzdaki atom etkileşimlerini değiştirmeyeceğimizi ve ortamımızdaki iyonların hareketini kontrol etmek için bazı alaşım elementleri eklediğimizi düşündük."

Mühendisler genellikle memristorun pozitif elektrodu için malzeme olarak gümüş kullanırlar. Kim'in ekibi, gümüş iyonlarını etkili bir şekilde bir arada tutmak için gümüşle birleştirebilecekleri bir element bulmak için literatüre baktı ve diğer elektrotlara hızla akmalarını sağladı.

Takım, hem gümüşle hem de silikonla bağlayabildiği için bakırın ideal alaşım elementi olarak indi.

Kim, "Bir çeşit köprü görevi görüyor ve gümüş-silikon arayüzünü stabilize ediyor."

Yeni alaşımlarını kullanarak memris yapmak için, grup önce silikondan negatif bir elektrot üretti, daha sonra az miktarda bakır biriktirerek pozitif bir elektrot ve ardından bir gümüş tabakası yaptı. İki elektrodu amorf bir silikon ortamın etrafına sıkıştırdılar. Bu şekilde, on binlerce memrisan ile milimetre kare bir silikon çip oluşturdular.

Çipin ilk testi olarak, Kaptan Amerika kalkanının gri ölçekli bir görüntüsünü yeniden yarattılar. Görüntüdeki her pikseli çipte karşılık gelen bir memristor ile eşitlediler. Daha sonra karşılık gelen pikseldeki renge göre göreceli olarak güçlü olan her memrisinin iletkenliğini modüle ettiler.

Çip, kalkanın aynı net görüntüsünü üretti ve diğer malzemelerden yapılmış yongalara kıyasla görüntüyü "hatırlayabildi" ve birçok kez yeniden üretebildi.

Ekip aynı zamanda çipi bir görüntü işleme görevinden geçirerek, MIT'in Killian Mahkemesi'nin bu örneğinde, orijinal görüntünün keskinleştirilmesi ve bulanıklaştırılması da dahil olmak üzere çeşitli özel yollarla anıları programlayacak. Yine, tasarımları yeniden programlanan görüntüleri mevcut memristor tasarımlarından daha güvenilir bir şekilde üretti.

Kim, gerçek çıkarım testleri yapmak için yapay sinapslar kullanıyoruz. "Görüntü tanıma görevleri yapmak için daha büyük ölçekli dizilere sahip olmak için bu teknolojiyi daha da geliştirmek istiyoruz. Ve bir gün, süper bilgisayarlara, internete veya internete bağlanmadan bu tür görevleri yapmak için yapay beyinler taşıyabilirsiniz. Bulut."

Bu araştırma kısmen MIT Araştırma Destek Komitesi fonları, MIT-IBM Watson AI Lab, Samsung Global Araştırma Laboratuvarı ve Ulusal Bilim Vakfı tarafından finanse edildi.