Memristorer laver alsidige kunstige synapser til neuromorfisk databehandling – Physics World

Memristorer laver alsidige kunstige synapser til neuromorfisk databehandling – Physics World

Tidsstempel: 29. august 2023 kl. 11

Et foto af memristor
Kunstig synapse: Et foto af memristoren, som er en potentiel kandidat til en synapse i en alsidig neuromorf computerenhed. (Med høflighed: Le Zhao)

De fleste moderne computere – fra primitive rumfyldende giganter som ENIAC til smartphonen i lommen – er bygget i overensstemmelse med et sæt principper, som blev udarbejdet af matematikeren John von Neumann i 1945. Denne von Neumann-arkitektur, som den er kendt, inkorporerer mange velkendte elementer, herunder en central behandlingsenhed, en hukommelse til lagring af data og instruktioner og input- og outputenheder. På trods af sin allestedsnærværende model er von Neumanns model dog ikke den eneste måde at bygge en computer på, og for nogle applikationer er den heller ikke den mest ønskværdige.

Et nyt alternativ er kendt som neuromorfisk databehandling. Som navnet antyder, er neuromorfe computere inspireret af den menneskelige hjernes arkitektur og bruger stærkt forbundne kunstige neuroner og kunstige synapser til at simulere hjernens struktur og funktioner. For forskere som Le Zhao fra Kina Qilu University of Technology, giver denne neuromorfe model en fantastisk mulighed for at udvikle et nyt paradigme for computing – så længe vi kan udvikle kunstige neuroner og synapser, der har de rigtige egenskaber.

I et nyligt papir offentliggjort i Materiale Futures, Zhao og kolleger beskriver, hvordan man bruger en memristor - i det væsentlige en kontakt, der "husker", hvilken elektrisk tilstand den var i, selv efter dens strøm er slukket - til at efterligne funktionen af ​​en synapse i hjernen. Her forklarer han holdets mål og planer.

Hvad var motivationen for din forskning?

Vi forsøger at udvikle neuromorfe systemer, der kan overgå den nuværende von Neumann computerarkitektur med hensyn til at sænke energiforbruget og øge intelligensen. Mange af disse systemer kræver elektroniske enheder med flere dynamikker for at opnå de ønskede funktioner. Disse forskellige krav, såsom sameksistensen af ​​flygtige og ikke-flygtige koblingsdynamikker, kan næppe opnås i individuelle memristive enheder.

Tre memristor-projektmedlemmer i laboratoriet, iført hvide kitler og kigger på en computerskærm
Opnå resultater: Medlemmer af memristor-projektteamet i laboratoriet. (Med høflighed: Le Zhao)

Af denne grund er realiseringen af ​​målrettede applikationer normalt afhængig af skræddersyede neurale kredsløbsdesigns sammensat af memristorer med forskellige dynamiske egenskaber. Problemet er, at denne afhængighed af flere skræddersyede designs begrænser udviklingen af ​​kompakte neuromorfe systemer med lav effekt. Det er derfor af stor betydning at integrere flere iboende dynamikker i en individuel enhed og udvikle multifunktionelle neuromorfe enheder, såsom en alsidig synaptisk emulator, der fuldt ud kan simulere funktionerne af biologiske synapser ved hjælp af kun en enkelt enhed.

Fordelene ved at gøre dette er, at enhedens universalitet kan øge systemets beregningsmæssige kompleksitet uden at eskalere materiale- og områdebudgettet. På denne måde kan vi opnå højeffektiv databehandling i biologiske nervesystemer. Udviklingen af ​​enheder med mere komplekse dynamiske egenskaber er således en afgørende tilgang til at realisere et hjernelignende computersystem.

Hvad lavede du i avisen?

Vi har med succes udviklet en kunstig synapse med flere synaptiske funktioner og meget adaptive egenskaber baseret på en simpel SrTiO3/Nb: SrTiO3 heterojunction. Denne kunstige synapse understøtter mange funktioner i synaptisk læring, herunder kortsigtet/langsigtet plasticitet (STP/LTP), overgangen fra STP til LTP, læring – glemmer – genlærende adfærd, associativ læring og dynamisk filtrering. Vi implementerede alle disse funktioner i en enkelt enhed på en biorealistisk måde.

Vores multifunktionelle synaptiske emulator har en avanceret computerfunktion, selvom den er baseret på en simpel heterostruktur. Vi mener derfor, at det viser et stort potentiale for applikationer i kompakte neuromorfe computersystemer med lav effekt. Vores resultater tyder på, at vores kunstige synapser, som kombinerer forskellige synaptiske funktioner med en simpel struktur, er potentielle kandidater til alsidige neuromorfe computerenheder.

Hvad planlægger du at gøre næste gang?

Vi vil arbejde på at udvikle mere alsidige kunstige synapser. For eksempel udvikler vi multimodale synaptiske enheder, der kan simulere indlærings- og hukommelsesprocessen i den menneskelige hjerne ved at synergi forskellige opfattelser såsom syn, lugt og hørelse.

Tidsstempel:

Mere fra Fysik verden