MIT-Forscher erstellen künstliche Synapsen 10,000-mal schneller als biologische

Forscher versuchen seit Jahren, künstliche Synapsen zu bauen, in der Hoffnung, an die unübertroffene Rechenleistung des menschlichen Gehirns heranzukommen. Einem neuen Ansatz ist es nun gelungen, solche zu entwerfen, die 1,000-mal kleiner und 10,000-mal schneller sind als ihre biologischen Pendants.

Trotz des durchschlagenden Erfolgs von tiefe Lernen In den letzten zehn Jahren hat sich dieser vom Gehirn inspirierte Ansatz entwickelt AI steht vor der Herausforderung, dass es auf Hardware läuft, die wenig Ähnlichkeit mit echten Gehirnen hat. Dies ist ein großer Teil des Grundes, warum ein menschliches Gehirn, das nur drei Pfund wiegt, neue Aufgaben in Sekundenschnelle mit der gleichen Energiemenge wie eine Glühbirne übernehmen kann, während das Training der größten neuronalen Netze Wochen, Megawattstunden Strom und Racks dauert von spezialisierten Prozessoren.

Dies weckt ein wachsendes Interesse an Bemühungen, die zugrunde liegende Hardware, auf der KI läuft, neu zu gestalten. Die Idee ist, dass wir durch den Bau von Computerchips, deren Komponenten eher wie natürliche Neuronen und Synapsen funktionieren, in der Lage sein könnten, sich der extremen Raum- und Energieeffizienz des menschlichen Gehirns anzunähern. Die Hoffnung ist, dass diese sogenannten „neuromorphen“ Prozessoren viel besser für die Ausführung von KI geeignet sein könnten als die heutigen Computer-Chips.

Jetzt haben Forscher vom MIT gezeigt, dass ein ungewöhnliches künstliches Synapsen-Design, das die Abhängigkeit des Gehirns vom Hin- und Hertransport von Ionen nachahmt, biologische deutlich übertreffen könnte. Der entscheidende Durchbruch war die Suche nach einem Material, das extreme elektrische Felder toleriert, was die Geschwindigkeit, mit der sich Ionen bewegen konnten, dramatisch verbesserte.

"Die Geschwindigkeit war sicherlich überraschend“, sagte Murat Onen, der die Forschung leitete, sagte in einer Pressemitteilung. „Normalerweise würden wir solche extremen Felder nicht geräteübergreifend anlegen, um sie nicht zu Asche zu verwandeln. Aber stattdessen wanderten Protonen [die Wasserstoffionen entsprechen] mit immenser Geschwindigkeit über den Gerätestapel, insbesondere millionenfach schneller im Vergleich zu dem, was wir zuvor hatten.“

Zwar gibt es a einer Vielzahl von Ansätzen für neuromorphes Engineering, einer der vielversprechendsten ist das analoge Computing. Dabei sollen Komponenten entworfen werden, die ihre interne Physik nutzen können, um Informationen zu verarbeiten, was viel effizienter und direkter ist, als komplexe logische Operationen auszuführen, wie es herkömmliche Chips tun.

Bisher konzentrierte sich viel Forschung auf das Design „memristoren“ – elektronische Komponenten, die den Stromfluss basierend darauf steuern, wie viel Ladung zuvor geflossen isted durch das Gerät. Dies ahmt die Art und Weise nach, wie Verbindungen zwischen biologischen Neuronen in Abhängigkeit von der Frequenz, mit der sie kommunizieren, an Stärke zunehmen oder abnehmen, was bedeutet, dass diese Geräte im Prinzip verwendet werden könnten, um Netzwerke mit ähnlichen Eigenschaften wie biologische neuronale Netzwerke zu erstellen.

Es überrascht vielleicht nicht, dass diese Geräte oft mit Speichertechnologien gebaut werden. Aber in einem neuen Papier in Wissenschaft, Die MIT-Forscher argumentieren, dass Komponenten, die für die langfristige Informationsspeicherung optimiert sind, eigentlich ungeeignet sind, die regelmäßigen Zustandsübergänge durchzuführen, die erforderlich sind, um die Verbindungsstärken in einem künstlichen neuronalen Netzwerk kontinuierlich abzustimmen. Das liegt daran, dass physikalische Eigenschaften, die lange Retentionszeiten gewährleisten, in der Regel nicht komplementär zu denen sind, die ein Hochgeschwindigkeits-Switching ermöglichen.

Deshalb haben die Forscher stattdessen ein Bauteil konstruiert, dessen Leitfähigkeit durch das Einbringen oder Entfernen von Protonen in einen Kanal aus Phosphorsilikatglas (PSG) reguliert wird. Bis zu einem gewissen Grad ahmt dies das Verhalten biologischer Synapsen nach, die Ionen verwenden, um Signale über die Lücke zwischen zwei Neuronen zu übertragen.

Allerdings ist das, wo die Ähnlichkeitities Ende. Das Gerät verfügt über zwei Anschlüsse, die im Wesentlichen der Eingang und der Ausgang der Synapse sind. Ein dritter Anschluss wird verwendet, um ein elektrisches Feld anzulegen, das Protonen dazu anregt, sich je nach Richtung des elektrischen Felds von einem Reservoir in den PSG-Kanal oder umgekehrt zu bewegen. Mehr Protonen im Kanal erhöhen seinen Widerstand.

Die Forscher kam auf damit allgemeines Design im Jahr 2020, aber ihr früheres Gerät verwendete Materialien, die nicht mit Chipdesignprozessen kompatibel waren. Aber noch wichtiger ist, dass der Wechsel zu PSG die Umschaltgeschwindigkeit ihres Geräts dramatisch erhöht hat. Das liegt daran, dass Poren in Nanogröße in seiner Struktur es den Protonen ermöglichen, sich sehr schnell durch das Material zu bewegen, und dass es auch sehr starken elektrischen Feldimpulsen standhalten kann, ohne sich zu zersetzen.

Stärkere elektrische Felder verleihen den Protonen einen massiven Geschwindigkeitsschub und sind der Schlüssel zur Fähigkeit des Geräts, biologische Synapsen zu übertreffen. Im Gehirn müssen elektrische Felder relativ schwach gehalten werden, da alles über 1.23 Volt (V) dazu führt, dass Wasser entstehts den Großteil der Zellen auf, um sie in Wasserstoff- und Sauerstoffgas aufzuspalten. Aus diesem Grund laufen neurologische Prozesse im Millisekundenbereich ab.

Im Gegensatz dazu ist das Gerät des MIT-Teams in der Lage, bei bis zu 10 Volt in Impulsen von nur 5 Nanosekunden zu arbeiten. Dadurch kann die künstliche Synapse 10,000-mal schneller arbeiten als ihr biologisches Pendants. Darüber hinaus sind die Geräte nur Nanometer groß und damit 1,000-mal kleiner als biologische Synapsen.

Experten sagte New Scientist dass die Konfiguration mit drei Anschlüssen des Geräts im Gegensatz zu den beiden in den meisten Neuronenmodellen den Betrieb bestimmter Arten von neuronalen Netzwerken erschweren könnte. Auch die Tatsache, dass die Protonen mit Wasserstoffgas eingebracht werden müssen, stellt Herausforderungen bei der Skalierung der Technologie dar.

Von einer einzelnen künstlichen Synapse bis zu großen Netzwerken, die ernsthafte Informationsverarbeitung leisten können, ist es ein weiter Weg. Aber die außergewöhnliche Geschwindigkeit und die winzige Größe der Komponenten legen nahe, dass dies eine vielversprechende Richtung bei der Suche nach neuer Hardware ist, die die Leistung des menschlichen Gehirns erreichen oder sogar übertreffen kann.

Bild-Kredit: Ella Maru Studio/Murat Onen