MIT Znanstveniki načrtujejo umetni Synapse za možgansko podobne računalniške čipe

Nova doba računalništva se je pravkar približala, saj so raziskovalci ustvarili zasnovo in izvedli prvi praktični test za umetno sinapso, ki bi računalnikom omogočila, da posnemajo nekatere najmočnejše in zapletene funkcije možganov.

Čeprav se zdi, da so računalniki močnejši od naših možganov, se lahko dejansko ukvarjamo s precej širšim obsegom možnih signalov, kot je "on" in "off" binarnega, zahvaljujoč sinapsam, ki obravnavajo povezave med nevroni.

Repliciranje te zmogljivosti v računalniku zahteva umetne sinapse, ki lahko zanesljivo pošljejo vse tiste subtilno različne signale. Kot so opisali v ponedeljkovi izdaji revije Materiali narave Raziskovalci Tehnološkega inštituta v Massachusettsu so izvedli tisto, kar imenujejo prvi praktični preizkus takšne umetne sinapse, in sprostili tako imenovano neuromorfno računalništvo.

Medtem ko so se testi zgodili samo v računalniških simulacijah, so bili testi obetavni. Raziskovalci so uporabili umetne vzorce sinapse, da bi prepoznali različne vzorce rokopisa. Simulacija, ki jo je vodila, se je skoraj ujemala s tistim, kar obstoječi tradicionalni algoritmi lahko naredijo v smislu natančnosti - 95 proti 97 odstotkov - kar je impresivno izhodišče za tehnologijo v absolutnem otroštvu.

Tradicionalni digitalni računalniki se zanašajo na binarno signalizacijo. Vrednost enega pomeni "na", medtem ko vrednost nič pomeni "izklopljena". Ker lahko računalniki izvajajo določene izračune veliko hitreje in učinkoviteje kot mi, lahko preprosto domnevamo, da je ta binarni pristop boljši od tistega, kar se dogaja v našem možgani.

Toda analogna nastavitev 100 milijard nevronov v vsakem od naših možganov je verjetno veliko bolj prefinjen. 100 milijard sinapse, ki upravljajo povezave med temi nevroni, ne pošiljajo signala samo ali izključeno.

Različne vrste in številke ionov, ki tečejo skozi določeno sinapso, določajo, kako močan je signal, ki ga pošilja določenemu nevronu, in da spekter možnih sporočil pomeni, da lahko naši možgani odkrijejo veliko več različnih izračunov. Če bi računalniki lahko dodali tovrstno zapletenost že obstoječim orodjem, bi gledali na nekatere zelo močne stroje - in tudi oni ne bi morali biti velikani.

Tukaj je problem: narava je imela nekaj milijard let, da je popolnila sinapse v naših možganih in tistih drugih vrst. Raziskovalci se že nekaj let trudijo ustvariti sintetični ekvivalent, obstajajo pa tudi nekateri pomembni oviri. Največje je, da mora vsaka umetna sinapsa zanesljivo poslati natanko enako vrsto signala za vsak vnos, ki ga prejme, drugače se zamotanost samo razgradi v kaos.

"Ko uporabite nekaj napetosti, da predstavite nekaj podatkov z vašim umetnim nevronom, morate izbrisati in biti sposobni ponovno napisati na enak način," je dejala Kim. »Toda v amorfni trdni snovi, ko ponovno pišete, ioni gredo v različnih smereh, ker obstaja veliko pomanjkljivosti. Ta tok se spreminja in ga je težko nadzorovati. To je največji problem - neenakost umetne sinapse."

Raziskovalci MIT so optimistični, da je njihova zasnova bistveno napredovala pri tem problemu z uporabo drugega materiala, enokristalnega silicija, ki popolnoma brez napak. V simulaciji so raziskovalci zasnovali umetne sinapse na tej osnovi z uporabo skupnega tranzistorskega materiala silicijevega germanija, ustvarili so tokove, ki so se med različnimi sinapami gibali le okoli štiri odstotke. To ni popolno, vendar je velik napredek glede na to, kar je bilo prej doseženo.

Za zdaj to delo ostaja teoretično in obstaja razlika med prikazovanjem obetavnih rezultatov v simulaciji in uresničevanjem tega v dejanskem testu v resničnem svetu. Toda Kim in njegova ekipa sta optimista.

"To odpira odskočno desko za proizvodnjo prave umetne strojne opreme," je dejal.