Ερευνητές του MIT δημιουργούν τεχνητές συνάψεις 10,000 φορές πιο γρήγορα από τις βιολογικές

Οι ερευνητές προσπαθούν να κατασκευάσουν τεχνητές συνάψεις εδώ και χρόνια με την ελπίδα να φτάσουν κοντά στην ασυναγώνιστη υπολογιστική απόδοση του ανθρώπινου εγκεφάλου. Μια νέα προσέγγιση έχει καταφέρει τώρα να σχεδιάσει εκείνα που είναι 1,000 φορές μικρότερα και 10,000 φορές ταχύτερα από τα βιολογικά αντίστοιχά τους.

Παρά τη δραματική επιτυχία του βαθιά μάθηση κατά την τελευταία δεκαετία, αυτή η εμπνευσμένη από τον εγκέφαλο προσέγγιση AI αντιμετωπίζει την πρόκληση ότι εκτελείται σε υλικό που έχει ελάχιστη ομοιότητα με πραγματικούς εγκεφάλους. Αυτός είναι ένας μεγάλος λόγος για τον οποίο ένας ανθρώπινος εγκέφαλος που ζυγίζει μόλις τρία κιλά μπορεί να αναλάβει νέες εργασίες σε δευτερόλεπτα χρησιμοποιώντας την ίδια ποσότητα ισχύος με έναν λαμπτήρα, ενώ η εκπαίδευση των μεγαλύτερων νευρωνικών δικτύων διαρκεί εβδομάδες, μεγαβατώρες ηλεκτρικής ενέργειας και ράφια εξειδικευμένων επεξεργαστών.

Αυτό προκαλεί αυξανόμενο ενδιαφέρον για προσπάθειες επανασχεδιασμού του υποκείμενου υλικού στο οποίο εκτελείται η τεχνητή νοημοσύνη. Η ιδέα είναι ότι κατασκευάζοντας τσιπ υπολογιστών των οποίων τα συστατικά λειτουργούν περισσότερο σαν φυσικοί νευρώνες και συνάψεις, θα μπορούσαμε να προσεγγίσουμε την ακραία διαστημική και ενεργειακή απόδοση του ανθρώπινου εγκεφάλου. Η ελπίδα είναι ότι αυτοί οι λεγόμενοι «νευρομορφικοί» επεξεργαστές θα μπορούσαν να είναι πολύ καλύτεροι για την εκτέλεση τεχνητής νοημοσύνης από τους σημερινούς τσιπ υπολογιστή.

Τώρα, ερευνητές από το MIT έδειξαν ότι ένας ασυνήθιστος σχεδιασμός τεχνητής συνάψεως που μιμείται την εξάρτηση του εγκεφάλου στα ιόντα που μεταφέρουν γύρω του θα μπορούσε στην πραγματικότητα να ξεπεράσει σημαντικά τα βιολογικά. Η σημαντική ανακάλυψη ήταν η εύρεση ενός υλικού που ανέχεται ακραία ηλεκτρικά πεδία, το οποίο βελτίωσε δραματικά την ταχύτητα με την οποία τα ιόντα μπορούσαν να κινηθούν.

"Η ταχύτητα ήταν σίγουρα εκπληκτική», δήλωσε ο Murat Onen, ο οποίος ηγήθηκε της έρευνας, δήλωσε σε δελτίο Τύπου. «Κανονικά, δεν θα εφαρμόζαμε τέτοια ακραία πεδία σε όλες τις συσκευές, για να μην τις μετατρέψουμε σε στάχτη. Αντίθετα, τα πρωτόνια [τα οποία είναι ισοδύναμα με ιόντα υδρογόνου] κατέληξαν να μετακινούνται με τεράστιες ταχύτητες σε όλη τη στοίβα των συσκευών, συγκεκριμένα ένα εκατομμύριο φορές πιο γρήγορα σε σύγκριση με αυτό που είχαμε πριν».

Ενώ υπάρχουν a ποικιλία προσεγγίσεων στη νευρομορφική μηχανική, μια από τις πιο ελπιδοφόρες είναι ο αναλογικός υπολογισμός. Αυτό επιδιώκει να σχεδιάσει στοιχεία που μπορούν να εκμεταλλευτούν την εσωτερική τους φυσική για την επεξεργασία πληροφοριών, κάτι που είναι πολύ πιο αποτελεσματικό και άμεσο από την εκτέλεση πολύπλοκων λογικών λειτουργιών όπως τα συμβατικά τσιπ.

Μέχρι στιγμής, πολλές έρευνες έχουν επικεντρωθεί στο σχεδιασμό "memristors”—ηλεκτρονικά εξαρτήματα που ελέγχουν τη ροή του ρεύματος με βάση το πόση φόρτιση είχε προηγουμένως ροήed μέσω της συσκευής. Αυτό μιμείται τον τρόπο με τον οποίο οι συνδέσεις μεταξύ βιολογικών νευρώνων αυξάνονται ή μειώνονται σε ισχύ ανάλογα με τη συχνότητα με την οποία επικοινωνούν, πράγμα που σημαίνει ότι αυτές οι συσκευές θα μπορούσαν κατ' αρχήν να χρησιμοποιηθούν για τη δημιουργία δικτύων με παρόμοιες ιδιότητες με τα βιολογικά νευρωνικά δίκτυα.

Ίσως δεν αποτελεί έκπληξη το γεγονός ότι αυτές οι συσκευές κατασκευάζονται συχνά χρησιμοποιώντας τεχνολογίες μνήμης. Αλλά σε μια νέα χαρτί σε Επιστήμη, Οι ερευνητές του MIT υποστηρίζουν ότι τα εξαρτήματα που έχουν βελτιστοποιηθεί για μακροπρόθεσμη αποθήκευση πληροφοριών είναι στην πραγματικότητα ακατάλληλα για την πραγματοποίηση των τακτικών μεταβάσεων κατάστασης που απαιτούνται για τη συνεχή ρύθμιση των δυνάμεων σύνδεσης σε ένα τεχνητό νευρωνικό δίκτυο. Αυτό συμβαίνει επειδή οι φυσικές ιδιότητες που εξασφαλίζουν μεγάλους χρόνους διατήρησης συνήθως δεν είναι συμπληρωματικές με εκείνες που επιτρέπουν την εναλλαγή υψηλής ταχύτητας.

Αυτός είναι ο λόγος για τον οποίο οι ερευνητές έχουν σχεδιάσει ένα συστατικό του οποίου η αγωγιμότητα ρυθμίζεται με την εισαγωγή ή την αφαίρεση πρωτονίων σε ένα κανάλι από φωσφοπυριτικό γυαλί (PSG). Σε κάποιο βαθμό, αυτό μιμείται τη συμπεριφορά των βιολογικών συνάψεων, οι οποίες χρησιμοποιούν ιόντα για να μεταδώσουν σήματα στο διάκενο μεταξύ δύο νευρώνων.

Ωστόσο, εκεί είναι η ομοιότηταες τέλος. Η συσκευή διαθέτει δύο ακροδέκτες που είναι ουσιαστικά η είσοδος και η έξοδος της συνάψεως. Ένα τρίτο τερματικό χρησιμοποιείται για την εφαρμογή ηλεκτρικού πεδίου, το οποίο διεγείρει τα πρωτόνια να μετακινηθούν από μια δεξαμενή στο κανάλι PSG ή αντίστροφα ανάλογα με την κατεύθυνση του ηλεκτρικού πεδίου. Περισσότερα πρωτόνια στο κανάλι αυξάνουν την αντίστασή του.

Οι ερευνητές ήρθε με αυτό γενικός σχεδιασμός το 2020, αλλά η προηγούμενη συσκευή τους χρησιμοποιούσε υλικά που δεν ήταν συμβατά με τις διαδικασίες σχεδιασμού τσιπ. Αλλά το πιο σημαντικό, η μετάβαση στην PSG έχει αυξήσει δραματικά την ταχύτητα μεταγωγής της συσκευής τους. Αυτό συμβαίνει επειδή οι πόροι μεγέθους νανο στη δομή του επιτρέπουν στα πρωτόνια να κινούνται πολύ γρήγορα μέσα από το υλικό και επίσης επειδή μπορεί να αντέξει πολύ ισχυρούς παλμούς ηλεκτρικού πεδίου χωρίς να υποβαθμίζεται.

Πιο ισχυρά ηλεκτρικά πεδία δίνουν στα πρωτόνια μια τεράστια ώθηση ταχύτητας και είναι το κλειδί για την ικανότητα της συσκευής να ξεπερνά τις βιολογικές συνάψεις. Στον εγκέφαλο, τα ηλεκτρικά πεδία πρέπει να διατηρούνται σχετικά αδύναμα επειδή οτιδήποτε πάνω από 1.23 βολτ (V) προκαλεί το νερό που παράγειs αυξάνουν τον όγκο των κυττάρων για να χωριστούν σε υδρογόνο και αέριο οξυγόνο. Αυτός είναι σε μεγάλο βαθμό ο λόγος που οι νευρολογικές διεργασίες συμβαίνουν στην κλίμακα των χιλιοστών του δευτερολέπτου.

Αντίθετα, η συσκευή της ομάδας του MIT είναι ικανή να λειτουργεί έως και 10 βολτ σε παλμούς μόλις 5 νανοδευτερόλεπτα. Αυτό επιτρέπει στην τεχνητή σύναψη να λειτουργεί 10,000 φορές πιο γρήγορα από το βιολογικό της αντίστοιχοs. Επιπλέον, οι συσκευές έχουν μόνο νανόμετρα πλάτος, καθιστώντας τις 1,000 φορές μικρότερες από τις βιολογικές συνάψεις.

Γνωρίστε τους experts είπε New Scientist ότι η εγκατάσταση τριών τερματικών της συσκευής, σε αντίθεση με τα δύο που βρίσκονται στα περισσότερα μοντέλα νευρώνων, μπορεί να δυσχεράνει τη λειτουργία ορισμένων ειδών νευρωνικών δικτύων. Το γεγονός ότι τα πρωτόνια πρέπει να εισαχθούν χρησιμοποιώντας αέριο υδρογόνο παρουσιάζει επίσης προκλήσεις κατά την κλιμάκωση της τεχνολογίας.

Υπάρχει πολύς δρόμος να διανυθεί από μια μεμονωμένη τεχνητή σύναψη σε μεγάλα δίκτυα που είναι ικανά να πραγματοποιήσουν σοβαρή επεξεργασία πληροφοριών. Αλλά η εξαιρετική ταχύτητα και το μικροσκοπικό μέγεθος των εξαρτημάτων υποδηλώνουν ότι αυτή είναι μια πολλά υποσχόμενη κατεύθυνση στην αναζήτηση νέου υλικού που μπορεί να ταιριάζει ή και να υπερβαίνει τη δύναμη του ανθρώπινου εγκεφάλου.

Image Credit: Ella Maru Studio/Murat Onen