MIT-forskere lager kunstige synapser 10,000 XNUMX ganger raskere enn biologiske

Forskere har prøvd å bygge kunstige synapser i årevis i håp om å komme nær den uovertrufne beregningsytelsen til den menneskelige hjernen. En ny tilnærming har nå klart å designe de som er 1,000 ganger mindre og 10,000 XNUMX ganger raskere enn deres biologiske motstykker.

Til tross for den løpske suksessen til dyp læring i løpet av det siste tiåret, denne hjerneinspirerte tilnærmingen til AI står overfor utfordringen at den kjører på maskinvare som i liten grad minner om ekte hjerner. Dette er en stor del av grunnen til at en menneskelig hjerne som veier bare tre kilo kan ta opp nye oppgaver på sekunder ved å bruke samme mengde strøm som en lyspære, mens trening av de største nevrale nettverkene tar uker, megawattimer med elektrisitet og stativer av spesialiserte prosessorer.

Det vekker økende interesse for forsøk på å redesigne den underliggende maskinvaren AI kjører på. Tanken er at ved å bygge databrikker hvis komponenter fungerer mer som naturlige nevroner og synapser, kan vi kanskje nærme oss den ekstreme rom- og energieffektiviteten til den menneskelige hjernen. Håpet er at disse såkalte "nevromorfe" prosessorene kan være mye bedre egnet til å kjøre AI enn dagens datamaskinbrikker.

Nå har forskere fra MIT vist at en uvanlig kunstig synapsedesign som etterligner hjernens avhengighet av å flytte ioner rundt, faktisk kan utkonkurrere biologiske. Det viktigste gjennombruddet var å finne et materiale som tåler ekstreme elektriske felt, noe som dramatisk forbedret hastigheten som ioner kunne bevege seg med.

"Hastigheten var absolutt overraskende," Murat Onen, som ledet forskningen, sa i en pressemelding. "Vanligvis ville vi ikke brukt slike ekstreme felt på tvers av enheter, for ikke å gjøre dem om til aske. Men i stedet endte protoner [som tilsvarer hydrogenioner] med enorme hastigheter over enhetsstabelen, nærmere bestemt en million ganger raskere sammenlignet med det vi hadde før."

Mens det er a en rekke tilnærminger til nevromorfisk konstruksjon, en av de mest lovende er analog databehandling. Dette søker å designe komponenter som kan utnytte deres interne fysikk til å behandle informasjon, noe som er mye mer effektivt og direkte enn å utføre komplekse logiske operasjoner som konvensjonelle brikker gjør.

Så langt har mye forskning fokusert på å designe "memristorer”—elektroniske komponenter som styrer flyten av strøm basert på hvor mye ladning som tidligere har strømmeted gjennom enheten. Dette etterligner måten forbindelser mellom biologiske nevroner øker eller reduseres i styrke avhengig av frekvensen de kommuniserer med, noe som betyr at disse enhetene i prinsippet kan brukes til å lage nettverk med lignende egenskaper som biologiske nevrale nettverk.

Kanskje ikke overraskende er disse enhetene ofte bygget ved hjelp av minneteknologier. Men i en ny papir inn Vitenskap, MIT-forskerne hevder at komponenter som er optimert for langsiktig informasjonslagring, faktisk er dårlig egnet til å utføre de vanlige tilstandsovergangene som kreves for å kontinuerlig justere forbindelsesstyrkene i et kunstig nevralt nettverk. Det er fordi fysiske egenskaper som sikrer lange oppbevaringstider vanligvis ikke er komplementære med de som tillater høyhastighetssvitsjing.

Dette er grunnen til at forskerne i stedet har designet en komponent hvis ledningsevne reguleres av innsetting eller fjerning av protoner i en kanal laget av fosfosilikatglass (PSG). Til en viss grad etterligner dette oppførselen til biologiske synapser, som bruker ioner til å overføre signaler over gapet mellom to nevroner.

Imidlertid er det der likhetenkaper slutt. Enheten har to terminaler som i hovedsak er inngangen og utgangen til synapsen. En tredje terminal brukes til å påføre et elektrisk felt, som stimulerer protoner til å bevege seg fra et reservoar inn i PSG-kanalen eller omvendt avhengig av retningen til det elektriske feltet. Flere protoner i kanalen øker motstanden.

Forskerne kom opp med dette generell design tilbake i 2020, men deres tidligere enhet brukte materialer som ikke var kompatible med chipdesignprosesser. Men enda viktigere, overgangen til PSG har dramatisk økt byttehastigheten til enheten deres. Det er fordi porene i nanostørrelsen gjør at protonene kan bevege seg veldig raskt gjennom materialet, og også fordi det tåler veldig sterke elektriske feltpulser uten å forringes.

Kraftigere elektriske felt gir protonene en massiv hastighetsøkning og er nøkkelen til enhetens evne til å utkonkurrere biologiske synapser. I hjernen må elektriske felt holdes relativt svake fordi alt over 1.23 volt (V) forårsaker vannet som lagers opp hoveddelen av cellene for å splittes til hydrogen og oksygengass. Dette er i stor grad grunnen til at nevrologiske prosesser skjer i millisekunders skala.

I motsetning til dette er MIT-teamets enhet i stand til å operere med opptil 10 volt i pulser så korte som 5 nanosekunder. Dette gjør at den kunstige synapsen kan operere 10,000 XNUMX ganger raskere enn dens biologiske motstykkes. På toppen av det er enhetene bare nanometer på tvers, noe som gjør dem 1,000 ganger mindre enn biologiske synapser.

Eksperter fortalte New Scientist at enhetens treterminaloppsett, i motsetning til de to som finnes i de fleste nevronmodeller, kan gjøre det vanskelig å kjøre visse typer nevrale nettverk. At protonene må introduseres ved hjelp av hydrogengass byr også på utfordringer når teknologien skal skaleres opp.

Det er en lang vei å gå fra en individuell kunstig synapse til store nettverk som er i stand til å utføre seriøs informasjonsbehandling. Men den eksepsjonelle hastigheten og den lille størrelsen på komponentene antyder at dette er en lovende retning i jakten på ny maskinvare som kan matche eller til og med overgå kraften til den menneskelige hjernen.

Bilde Credit: Ella Maru Studio/Murat Onen