MIT-forskere skaber kunstige synapser 10,000 gange hurtigere end biologiske

Forskere har i årevis forsøgt at bygge kunstige synapser i håbet om at komme tæt på den menneskelige hjernes uovertrufne beregningsmæssige ydeevne. En ny tilgang har nu formået at designe dem, der er 1,000 gange mindre og 10,000 gange hurtigere end deres biologiske modstykker.

På trods af den løbske succes af dyb læring gennem det seneste årti, denne hjerneinspirerede tilgang til AI står over for den udfordring, at det kører på hardware, der ikke minder meget om rigtige hjerner. Dette er en stor del af grunden til, at en menneskelig hjerne, der kun vejer tre pund, kan opfange nye opgaver på få sekunder ved at bruge den samme mængde strøm som en pære, mens træning af de største neurale netværk tager uger, megawatt-timers elektricitet og stativer af specialiserede processorer.

Det giver anledning til stigende interesse for bestræbelser på at redesigne den underliggende hardware, AI kører på. Tanken er, at ved at bygge computerchips, hvis komponenter fungerer mere som naturlige neuroner og synapser, kan vi måske nærme os den ekstreme plads og energieffektivitet i den menneskelige hjerne. Håbet er, at disse såkaldte "neuromorfe" processorer kunne være meget bedre egnede til at køre AI end nutidens computerchips.

Nu har forskere fra MIT vist, at et usædvanligt kunstigt synapsedesign, der efterligner hjernens afhængighed af at flytte ioner rundt, rent faktisk kunne overgå de biologiske. Det vigtigste gennembrud var at finde et materiale, der tolererer ekstreme elektriske felter, hvilket dramatisk forbedrede den hastighed, hvormed ioner kunne bevæge sig.

"Hastigheden var bestemt overraskende," Murat Onen, der ledede forskningen, sagde i en pressemeddelelse. "Normalt ville vi ikke anvende sådanne ekstreme felter på tværs af enheder, for ikke at forvandle dem til aske. Men i stedet endte protoner [som svarer til brintioner] med at bevæge sig med enorme hastigheder hen over enhedsstakken, nærmere bestemt en million gange hurtigere sammenlignet med, hvad vi havde før."

Mens der er a forskellige tilgange til neuromorfisk ingeniørarbejde, en af ​​de mest lovende er analog computing. Dette søger at designe komponenter, der kan udnytte deres interne fysik til at behandle information, hvilket er meget mere effektivt og direkte end at udføre komplekse logiske operationer, som konventionelle chips gør.

Indtil videre har meget forskning fokuseret på at designe "memristorer”—elektroniske komponenter, der styrer strømmen af ​​strøm baseret på, hvor meget ladning der tidligere har væreted gennem enheden. Dette efterligner den måde, hvorpå forbindelser mellem biologiske neuroner øges eller falder i styrke afhængigt af den frekvens, de kommunikerer med, hvilket betyder, at disse enheder i princippet kan bruges til at skabe netværk med lignende egenskaber som biologiske neurale netværk.

Måske ikke overraskende er disse enheder ofte bygget ved hjælp af hukommelsesteknologier. Men i en ny papir ind Videnskab, MIT-forskerne hævder, at komponenter, der er optimeret til langsigtet informationslagring, faktisk er dårligt egnede til at udføre de regelmæssige tilstandsovergange, der kræves for løbende at justere forbindelsesstyrkerne i et kunstigt neuralt netværk. Det skyldes, at fysiske egenskaber, der sikrer lange retentionstider, typisk ikke er komplementære med dem, der tillader højhastighedsskift.

Derfor har forskerne i stedet designet en komponent, hvis ledningsevne reguleres af indsættelse eller fjernelse af protoner i en kanal lavet af phosphosilikatglas (PSG). Til en vis grad efterligner dette adfærden af ​​biologiske synapser, som bruger ioner til at transmittere signaler på tværs af kløften mellem to neuroner.

Men det er her lighedenerne ende. Enheden har to terminaler, der i det væsentlige er synapsens input og output. En tredje terminal bruges til at påføre et elektrisk felt, som stimulerer protoner til at bevæge sig fra et reservoir ind i PSG-kanalen eller omvendt afhængigt af retningen af ​​det elektriske felt. Flere protoner i kanalen øger dens modstand.

Forskerne kom op med dette generelt design tilbage i 2020, men deres tidligere enhed brugte materialer, der ikke var kompatible med chipdesignprocesser. Men endnu vigtigere, skiftet til PSG har dramatisk øget deres enheds skiftehastighed. Det skyldes, at porer i nanostørrelse i dens struktur gør det muligt for protonerne at bevæge sig meget hurtigt gennem materialet, og også fordi det kan modstå meget stærke elektriske feltimpulser uden at nedbrydes.

Mere kraftfulde elektriske felter giver protonerne et massivt hastighedsboost og er nøglen til enhedens evne til at udkonkurrere biologiske synapser. I hjernen skal elektriske felter holdes relativt svage, fordi alt over 1.23 volt (V) forårsager vandet, der lavers op på hovedparten af ​​celler for at opdeles i brint og oxygengas. Det er i høj grad grunden til, at neurologiske processer opstår på millisekunders skala.

I modsætning hertil er MIT-holdets enhed i stand til at fungere ved op til 10 volt i pulser så korte som 5 nanosekunder. Dette gør det muligt for den kunstige synapse at fungere 10,000 gange hurtigere end dens biologiske modstykkes. Oven i det er enhederne kun nanometer på tværs, hvilket gør dem 1,000 gange mindre end biologiske synapser.

Eksperter fortalt New Scientist at enhedens opsætning med tre terminaler, i modsætning til de to, der findes i de fleste neuronmodeller, kan gøre det vanskeligt at køre visse former for neurale netværk. At protonerne skal introduceres ved hjælp af brintgas giver også udfordringer ved opskalering af teknologien.

Der er lang vej fra en individuel kunstig synapse til store netværk, der er i stand til at udføre seriøs informationsbehandling. Men den usædvanlige hastighed og lille størrelse af komponenterne tyder på, at dette er en lovende retning i søgen efter ny hardware, der kan matche eller endda overstige den menneskelige hjernes kraft.

Billede Credit: Ella Maru Studio/Murat Onen