MIT-Wissenschaftler entwerfen künstliche Synapse für gehirnähnliche Computerchips

$config[ads_kvadrat] not found

Wissenschaftler haben auch Gefühle | Die Carolin Kebekus Show

Wissenschaftler haben auch Gefühle | Die Carolin Kebekus Show
Anonim

Eine neue Ära des Rechnens rückte näher, als Forscher das Design entworfen und den ersten praktischen Test für eine künstliche Synapse durchgeführt haben, mit dem Computer einige der leistungsfähigsten und kompliziertesten Funktionen des Gehirns replizieren können.

Computer scheinen zwar leistungsfähiger als unser Gehirn zu sein, aber dank der Synapsen, die die Verbindungen zwischen Neuronen handhaben, können wir mit einem viel größeren Bereich möglicher Signale umgehen als mit dem „Ein“ und „Aus“ von Binärsignalen.

Um diese Funktion in einem Computer zu replizieren, sind künstliche Synapsen erforderlich, die all diese subtil unterschiedlichen Signale zuverlässig senden können. Wie sie in der Montagausgabe der Zeitschrift beschreiben Naturmaterialien Forscher am Massachusetts Institute of Technology haben den so genannten ersten praktischen Test einer solchen künstlichen Synapse durchgeführt, der das sogenannte neuromorphe Computing auslöst.

Während die Tests nur in Computersimulationen stattfanden, waren die Tests vielversprechend. Die Forscher verwendeten die künstlichen Synapsenentwürfe, um verschiedene Handschriftsmuster zu erkennen. Die Simulation, die sie durchführten, konnte fast genau das erreichen, was herkömmliche Algorithmen in Bezug auf die Genauigkeit leisten können - 95 gegenüber 97 Prozent - ein eindrucksvoller Ausgangspunkt für Technik, die absolut jung ist.

Herkömmliche digitale Computer sind auf binäre Signale angewiesen. Ein Wert von Eins bedeutet "Ein", während ein Wert von Null "Aus" bedeutet. Da Computer bestimmte Berechnungen viel schneller und effizienter als wir ausführen können, ist es leicht anzunehmen, dass dieser binäre Ansatz besser ist als der in unserem Gehirne

Aber der analoge Aufbau der 100 Milliarden Neuronen in jedem unserer Gehirne ist wohl weitaus komplexer. Die 100 Billion Synapsen, die die Verbindungen zwischen diesen Neuronen verwalten, senden nicht einfach Signale ein oder aus.

Die verschiedenen Arten und Anzahlen von Ionen, die über eine bestimmte Synapse fließen, bestimmen, wie stark ein Signal an ein bestimmtes Neuron sendet, und aufgrund des Spektrums möglicher Nachrichten kann unser Gehirn eine weitaus größere Anzahl von Berechnungen freischalten. Wenn Computer ihren bereits umfangreichen Toolkits diese Art von Komplexität hinzufügen könnten, würden Sie sich ernsthafte, leistungsfähige Maschinen anschauen - und diese müssten auch nicht riesig sein.

Hier ist das Problem: Die Natur hat ein paar Milliarden Jahre Zeit gehabt, um die Synapsen in unserem Gehirn und denen anderer Spezies zu perfektionieren. Die Forscher haben erst seit einigen Jahren versucht, das synthetische Äquivalent zu schaffen, und es gibt einige große Stolpersteine. Das Größte ist, dass jede künstliche Synapse für jeden Eingang, den sie empfängt, genau das gleiche Signal zuverlässig senden muss, andernfalls wird die Komplexität nur zu einem Chaos.

"Sobald Sie eine Spannung angelegt haben, um einige Daten mit Ihrem künstlichen Neuron darzustellen, müssen Sie sie löschen und auf dieselbe Weise erneut schreiben können", sagte Kim. „Aber in einem amorphen Festkörper gehen die Ionen beim erneuten Schreiben in verschiedene Richtungen, da viele Defekte vorhanden sind. Dieser Stream ändert sich und ist schwer zu kontrollieren. Das ist das größte Problem - die Ungleichmäßigkeit der künstlichen Synapse."

Die MIT-Forscher sind optimistisch, dass ihr Design durch die Verwendung eines anderen Materials, eines einkristallinen Siliziums, das einwandfrei und fehlerfrei leitet, zu diesem Problem beigetragen hat. In einer Simulation konstruierten die Forscher künstliche Synapsen auf dieser Grundlage mit dem üblichen Transistormaterial Silizium-Germanium. Sie konnten Ströme erzeugen, die zwischen verschiedenen Synapsen nur etwa vier Prozent variierten. Das ist nicht perfekt, aber es ist eine enorme Verbesserung gegenüber dem bisher Erreichten.

Für den Moment bleibt diese Arbeit theoretisch, und es gibt einen Unterschied zwischen der Darstellung vielversprechender Ergebnisse in einer Simulation und der Realisierung in einem realen Test. Aber Kim und sein Team sind optimistisch.

"Damit wird ein Sprungbrett für die Herstellung echter künstlicher Hardware eröffnet", sagte er.

$config[ads_kvadrat] not found