Дослідники MIT створюють штучні синапси в 10,000 XNUMX разів швидше, ніж біологічні PlatoBlockchain Data Intelligence. Вертикальний пошук. Ai.

Дослідники MIT створюють штучні синапси в 10,000 XNUMX разів швидше, ніж біологічні

зображення

Дослідники роками намагалися побудувати штучні синапси в надії наблизитися до неперевершеної обчислювальної продуктивності людського мозку. Завдяки новому підходу тепер вдалося розробити такі, які в 1,000 разів менші та в 10,000 XNUMX разів швидші за їхні біологічні аналоги.

Незважаючи на шалений успіх глибоке навчання за останнє десятиліття цей інспірований підхід до AI стикається з проблемою, оскільки він працює на апаратному забезпеченні, яке мало схоже на справжні мізки. Це значною мірою причина, чому людський мозок вагою всього три фунти може виконувати нові завдання за секунди, використовуючи таку ж кількість енергії, як лампочка, тоді як навчання найбільших нейронних мереж потребує тижнів, мегават-годин електроенергії та стійки спеціалізованих процесорів.

Це викликає зростаючий інтерес до зусиль із переробки апаратного забезпечення, на якому працює ШІ. Ідея полягає в тому, що, будуючи комп’ютерні чіпи, компоненти яких діють більше як природні нейрони та синапси, ми зможемо наблизитися до екстремального простору та енергоефективності людського мозку. Є надія, що ці так звані «нейроморфні» процесори можуть набагато краще підходити для роботи ШІ, ніж сьогоднішні комп'ютерні мікросхеми.

Тепер дослідники з Массачусетського технологічного інституту показали, що незвичайна конструкція штучного синапсу, яка імітує залежність мозку від переміщення іонів навколо, може насправді значно перевершити біологічні. Ключовим проривом стало знаходження матеріалу, який витримує екстремальні електричні поля, що значно підвищило швидкість руху іонів.

"Швидкість, безумовно, була несподіваною», – Мурат Онен, який керував дослідженням, сказав у прес-релізі. «Зазвичай ми б не застосовували такі екстремальні поля до пристроїв, щоб не перетворити їх на попіл. Але натомість протони [які є еквівалентами іонів водню] зрештою переміщалися з величезною швидкістю по стеку пристроїв, зокрема, у мільйон разів швидше порівняно з тим, що ми мали раніше».

Поки є a різноманітність підходів до нейроморфної інженерії, одним із найбільш перспективних є аналогове обчислення. Це спрямовано на розробку компонентів, які можуть використовувати свою внутрішню фізику для обробки інформації, що є набагато ефективнішим і прямішим, ніж виконання складних логічних операцій, як це роблять звичайні мікросхеми.

Наразі багато досліджень було зосереджено на проектуванні "мемристори” — електронні компоненти, які контролюють потік струму на основі того, скільки заряду протікало ранішеed через пристрій. Це імітує те, як зв’язки між біологічними нейронами збільшуються або зменшуються залежно від частоти, з якою вони спілкуються, що означає, що ці пристрої в принципі можна використовувати для створення мереж із подібними властивостями до біологічних нейронних мереж.

Можливо, не дивно, що ці пристрої часто створюються з використанням технологій пам’яті. Але в новому папір в наука, Дослідники Массачусетського технологічного інституту стверджують, що компоненти, оптимізовані для тривалого зберігання інформації, насправді погано підходять для виконання регулярних переходів між станами, необхідних для постійного налаштування сили з’єднання в штучній нейронній мережі. Це тому, що фізичні властивості, які забезпечують тривалий час збереження, зазвичай не доповнюють ті, які дозволяють високошвидкісне перемикання.

Ось чому дослідники натомість розробили компонент, провідність якого регулюється введенням або видаленням протонів у канал із фосфоросилікатного скла (PSG). Певною мірою це імітує поведінку біологічних синапсів, які використовують іони для передачі сигналів через проміжок між двома нейронами.

Однак ось у чому схожістьх років кінець. Пристрій має два термінали, які, по суті, є входом і виходом синапсу. Третій термінал використовується для застосування електричного поля, яке стимулює протони рухатися з резервуара в канал PSG або навпаки, залежно від напрямку електричного поля. Більша кількість протонів у каналі збільшує його опір.

Дослідники прийшов покінчити з цим генеральний проект ще в 2020 році, але їх попередній пристрій використовував матеріали, які не були сумісні з процесами проектування мікросхем. Але що ще важливіше, перехід на PSG різко збільшив швидкість перемикання їх пристрою. Це тому, що нанорозмірні пори в його структурі дозволяють протонам дуже швидко рухатися через матеріал, а також тому, що він може витримувати дуже сильні імпульси електричного поля без погіршення якості.

Більш потужні електричні поля дають протонам величезний приріст швидкості та є ключовими для здатності пристрою перевершувати біологічні синапси. У мозку електричні поля повинні бути відносно слабкими, тому що все, що перевищує 1.23 вольта (В), викликає воду, яка створюєs основну масу клітин розщеплюють на водень і кисень. Багато в чому тому неврологічні процеси відбуваються в масштабі мілісекунд.

Навпаки, пристрій команди Массачусетського технологічного інституту здатний працювати при напрузі до 10 вольт в імпульсах тривалістю всього 5 наносекунд. Це дозволяє штучному синапсу працювати в 10,000 XNUMX разів швидше, ніж його біологічний аналогs. Крім того, пристрої мають розмір лише нанометрів, що робить їх у 1,000 разів меншими за біологічні синапси.

Експерти сказав New Scientist що налаштування пристрою з трьома терміналами, на відміну від двох, наявних у більшості моделей нейронів, може ускладнити роботу певних типів нейронних мереж. Той факт, що протони повинні бути введені за допомогою газоподібного водню, також створює проблеми під час розширення технології.

Від окремого штучного синапсу до великих мереж, які здатні здійснювати серйозну обробку інформації, потрібно пройти довгий шлях. Але виняткова швидкість і крихітний розмір компонентів свідчать про те, що це перспективний напрямок у пошуку нового апаратного забезпечення, яке може зрівнятися або навіть перевершити потужність людського мозку.

Зображення Фото: Ella Maru Studio/Мурат Онен

Часова мітка:

Більше від Хаб сингулярності