MIT-forskare skapar artificiella synapser 10,000 XNUMX gånger snabbare än biologiska

Forskare har försökt bygga konstgjorda synapser i flera år i hopp om att komma nära den mänskliga hjärnans oöverträffade beräkningsprestanda. Ett nytt tillvägagångssätt har nu lyckats designa sådana som är 1,000 10,000 gånger mindre och XNUMX XNUMX gånger snabbare än sina biologiska motsvarigheter.

Trots den skenande framgången för djupt lärande under det senaste decenniet, detta hjärninspirerade förhållningssätt till AI står inför utmaningen att den körs på hårdvara som inte påminner mycket om riktiga hjärnor. Detta är en stor del av anledningen till att en mänsklig hjärna som bara väger tre pund kan ta upp nya uppgifter på några sekunder med samma mängd ström som en glödlampa, medan träning av de största neurala nätverken tar veckor, megawattimmar av elektricitet och rack specialiserade processorer.

Det föranleder ett växande intresse för ansträngningar att omdesigna den underliggande hårdvaran som AI körs på. Tanken är att genom att bygga datorchip vars komponenter fungerar mer som naturliga neuroner och synapser, kan vi kanske närma oss den mänskliga hjärnans extrema rymd- och energieffektivitet. Förhoppningen är att dessa så kallade "neuromorfa" processorer skulle kunna vara mycket bättre lämpade för att köra AI än dagens datorchip.

Nu har forskare från MIT visat att en ovanlig konstgjord synapsdesign som efterliknar hjärnans beroende av att flytta runt joner faktiskt kan överträffa de biologiska. Nyckelgenombrottet var att hitta ett material som tolererar extrema elektriska fält, vilket dramatiskt förbättrade hastigheten med vilken joner kunde röra sig.

"Hastigheten var verkligen överraskande," Murat Onen, som ledde forskningen, sade i ett pressmeddelande. "Normalt skulle vi inte tillämpa sådana extrema fält över enheter, för att inte förvandla dem till aska. Men istället hamnade protoner [som är likvärdiga med vätejoner] med enorma hastigheter över enhetsstacken, närmare bestämt en miljon gånger snabbare jämfört med vad vi hade tidigare."

Medan det finns a en mängd olika tillvägagångssätt för neuromorfisk teknik, en av de mest lovande är analog datoranvändning. Detta syftar till att designa komponenter som kan utnyttja sin interna fysik för att bearbeta information, vilket är mycket mer effektivt och direkt än att utföra komplexa logiska operationer som konventionella chips gör.

Hittills har mycket forskning fokuserat på att designa "memristorer”—elektroniska komponenter som styr strömflödet baserat på hur mycket laddning som tidigare har flytted genom enheten. Detta efterliknar hur kopplingar mellan biologiska neuroner ökar eller minskar i styrka beroende på frekvensen som de kommunicerar med, vilket innebär att dessa enheter i princip kan användas för att skapa nätverk med liknande egenskaper som biologiska neurala nätverk.

Kanske inte överraskande är dessa enheter ofta byggda med minnesteknik. Men i en ny papper i Vetenskap, MIT-forskarna hävdar att komponenter som är optimerade för långsiktig informationslagring faktiskt är dåligt lämpade för att utföra de regelbundna tillståndsövergångar som krävs för att kontinuerligt ställa in anslutningsstyrkorna i ett artificiellt neuralt nätverk. Det beror på att fysiska egenskaper som säkerställer långa retentionstider vanligtvis inte är komplementära till de som tillåter höghastighetsväxling.

Det är därför som forskarna istället har designat en komponent vars konduktivitet regleras genom att protoner sätts in eller tas bort i en kanal av fosfosilikatglas (PSG). Till viss del efterliknar detta beteendet hos biologiska synapser, som använder joner för att överföra signaler över gapet mellan två neuroner.

Men det är där likhetentalet slutet. Enheten har två terminaler som i huvudsak är synapsens ingång och utgång. En tredje terminal används för att applicera ett elektriskt fält, vilket stimulerar protoner att flytta från en reservoar in i PSG-kanalen eller vice versa beroende på det elektriska fältets riktning. Fler protoner i kanalen ökar dess motstånd.

Forskarna kom upp med detta allmän design redan 2020, men deras tidigare enhet använde material som inte var kompatibla med chipdesignprocesser. Men ännu viktigare, bytet till PSG har dramatiskt ökat byteshastigheten för deras enhet. Det beror på att porer i nanostorlek i sin struktur gör att protonerna kan röra sig mycket snabbt genom materialet, och även för att det kan motstå mycket starka elektriska fältpulser utan att försämras.

Kraftfullare elektriska fält ger protonerna en massiv hastighetsökning och är nyckeln till enhetens förmåga att överträffa biologiska synapser. I hjärnan måste elektriska fält hållas relativt svaga eftersom allt över 1.23 volt (V) orsakar vattnet som görs upp huvuddelen av cellerna för att delas upp i väte och syrgas. Det är till stor del därför neurologiska processer inträffar i millisekunders skala.

Däremot kan MIT-teamets enhet fungera med upp till 10 volt i pulser så korta som 5 nanosekunder. Detta gör att den konstgjorda synapsen kan fungera 10,000 XNUMX gånger snabbare än sin biologiska motsvarighets. Utöver det är enheterna bara nanometer över, vilket gör dem 1,000 XNUMX gånger mindre än biologiska synapser.

Experter berättade New Scientist att enhetens treterminalsuppställning, i motsats till de två som finns i de flesta neuronmodeller, kan göra det svårt att köra vissa typer av neurala nätverk. Att protonerna måste introduceras med vätgas innebär också utmaningar när man skalar upp tekniken.

Det finns en lång väg att gå från en enskild artificiell synaps till stora nätverk som kan utföra seriös informationsbehandling. Men den exceptionella hastigheten och den lilla storleken på komponenterna tyder på att detta är en lovande riktning i sökandet efter ny hårdvara som kan matcha eller till och med överträffa kraften i den mänskliga hjärnan.

Image Credit: Ella Maru Studio/Murat Onen