В мягкого органа размером с футбольный мяч находится около 100 миллиардов нейронов. В любую секунду один нейрон может передавать инструкции тысячам вторых нейронов через синапсы — промежутки между нейронами, через каковые происходит обмен нейротрансмиттерами.
Существует более 100 триллионов синапсов, каковые снабжают передачу сигналов нейронов в головном мозге, усиливая одни связи и отсекая другие, на протяжении, что разрешает мозгу распознавать закономерности, запоминать факты и делать другие учебные задачи с стремительной скоростью.Исследователи в развивающейся области «нейроморфных вычислений» пробовали создать компьютерные микросхемы, каковые трудятся как человеческий мозг. Вместо того, чтобы делать вычисления на базе двоичной сигнализации включения / выключения, как это делают на данный момент цифровые микросхемы, элементы «мозга на кристалле» будут трудиться аналоговым образом, обмениваясь градиентом сигналов или «весами», что очень похоже на нейроны, каковые активируются по-разному в зависимости от типа и количества ионов, проходящих через синапс.Так, мелкие нейроморфные микросхемы смогут, подобно мозгу, действенно обрабатывать миллионы потоков параллельных вычислений, каковые сейчас возможны только с огромными банками суперкомпьютеров.
Но одним из серьёзных препятствий на пути к такому портативному неестественному интеллекту был нейронный синапс, что было особенно сложно воспроизвести аппаратно.на данный момент инженеры Массачусетского технологического университета создали неестественный синапс так, чтобы они имели возможность совсем правильно осуществлять контроль силу электрического тока, протекающего по нему, подобно тому, как ионы текут между нейронами.
Команда выстроила маленькой чип с неестественными синапсами из кремний-германия. в течении моделирования исследователи осознали, что его чип и синапсы вероятно использовать для распознавания образцов почерка с точностью 95%.Дизайн, опубликованный на данный момент в издании Nature Materials, имеется важным шагом на пути разработки портативных нейроморфных чипов с низким энергопотреблением для применения в других распознавании и задачах образов обучения.
Изучение проводилось под управлением Джихвана Кима, доцента по формированию карьеры 1947 года на факультетах машиностроения, материаловедения и инженерии, и главного исследователя в исследовательской лаборатории лабораторий электроники и микросистемных разработок Массачусетского технологического университета. Его соавторами являются Шинхён Чой (первый создатель), Скотт Тан (соавтор), Зефан Ли, Юнджо Ким, Чанёль Чой и Ханвул Ён из Массачусетского технологического университета, и Пай-Ю Чен и Шимен Ю из Университета штата Аризона.Слишком большое количество дорог
Большинство конструкций нейроморфных чипов пробуют имитировать синаптическую связь между нейронами, используя два проводящих слоя, поделённых «коммутационной средой» или синапсоподобным пространством. При приложении напряжения ионы должны перемещаться в коммутационной среде, создавая проводящие нити, подобно тому, как изменяется «вес» синапса.Но в существующих конструкциях было сложно осуществлять контроль поток ионов.
Ким говорит, что это связано с тем, что у большинства коммутационных сред, сделанных из аморфных материалов, имеется неограниченные возможные дороги, по которым смогут перемещаться ионы — это мало похоже на Pachinko, механическую аркадную игру, в которой небольшие железные шарики направляются вниз через серию штифтов и рычагов, каковые действуют на либо отклонить, либо направить шары из автомобиля.Как и Пачинко, существующие коммутационные среды содержат пара дорог, что затрудняет прогнозирование того, где ионы пройдут.
Ким говорит, что это может создать нежелательную неоднородность в работе синапса.«По окончании того, как вы приложите некое напряжение для представления некоторых данных при помощи собственного неестественного нейрона, вы должны стереть и иметь возможность записать их снова совсем правильно таким же образом», — говорит Ким. «Но в аморфном твёрдом теле, в то время, в то время, когда вы снова пишете, ионы расходятся в разных направлениях, по обстоятельству того, что в том месте много недочётов. Этот поток изменяется, и его не легко осуществлять контроль.
Это самая большая проблема — неоднородность неестественного синапса».Идеальное несоответствиеВместо применения аморфных материалов в качестве неестественного синапса его коллеги и Ким обратились к монокристаллическому кремнию, бездефектному проводящему материалу, складывающемуся из атомов, расположенных в непрерывно упорядоченном порядке. Команда стремилась создать верный одномерный линейный недочёт или дислокацию через кремний, через что ионы имели возможность бы протекать предсказуемо.
Для этого исследователи начали с кремниевой пластины, напоминающей в микроскопическом разрешении узор из проволочной сетки. Затем они вырастили подобный пример кремний-германия — материала, что также как правило употребляется в транзисторах — поверх кремниевой пластины.
Решетка кремния-германия больше, чем у кремния, и Ким осознал, что совместно два совсем несовместимых материала смогут образовывать воронкообразную дислокацию, создавая путь, по которому смогут проходить ионы.Исследователи изготовили нейроморфный чип, складывающийся из неестественных синапсов из кремниевого германия, любой синапс размером около 25 нанометров. Они приложили напряжение к каждому синапсу и осознали, что все синапсы демонстрируют более или менее однообразный ток или поток ионов с примерно 4-процентным разбросом между синапсами — намного более однородные характеристики в случае если сравнивать с синапсами, сделанными из аморфного материала.
Они также удостоверились в надежности один синапс в нескольких опробованиях, применяя одно да да и то же напряжение в течение 700 циклов, и осознали, что синапс показал однообразный ток с отклонением всего на 1 процент от цикла к циклу.«Это самое универсальное устройство, которого мы имели возможность достигнуть, и это ключ к демонстрации неестественных нейронных сетей», — говорит Ким.Письменный, признанныйВ качестве финального теста команда Кима изучила, как его устройство будет трудиться, если оно будет делать настоящие учебные задачи, к примеру, распознавание образцов почерка, каковые исследователи вычисляют первым практическим тестом для нейроморфных чипов.
Такие чипы будут складываться из «входных / скрытых / выходных нейронов», любой из которых связан с другими «нейронами» через неестественные синапсы на базе волокон.Ученые уверены в том, что такие стопки нейронных сетей вероятно заставить «обучаться». К примеру, при подаче ввода, что представляет собой написанную от руки цифру «1», с выходом, что помечает его как «1», определенные выходные нейроны будут активированы входными нейронами и весами из неестественного синапса. В то время, в то время, когда в однообразный чип вводится больше примеров написанных от руки «единиц», однообразные выходные нейроны смогут активироваться, в то время, в то время, когда они улавливают сходные черты между разными примерами одной и той же буквы, так «обучаясь» подобно тому, как это делает мозг.
его коллеги и Ким совершили компьютерное моделирование неестественной нейронной сети, складывающейся из трех слоев нейронных слоев, соединенных двумя слоями неестественных синапсов, свойства которых они основали на измерениях с их фактического нейроморфного чипа. Они вводили в личный моделирование десятки тысяч образцов из набора данных для распознавания рукописного текста, как правило используемого нейроморфными дизайнерами, и осознали, что их нейронное сетевое оборудование распознает рукописные образцы в 95% случаев в случае если сравнивать с 97-процентной точностью существующих программных способов.Команда находится на протяжении изготовления трудящегося нейроморфного чипа, что может делать задачи распознавания почерка не в симуляции, а в конечном итоге.
Не считая почерка, Ким говорит, что неестественный дизайн синапсов, созданный командой, даст создавать портативные нейросетевые устройства намного меньшего размера, каковые смогут делать сложные вычисления, каковые сейчас возможны только на огромных суперкомпьютерах.«В конечном итоге мы хотим, чтобы чип размером с ноготь заменил один большой суперкомпьютер», — говорит Ким. «Это открывает ступень для настоящего неестественного оборудования».
Это изучение было частично поддержано Национальным научным фондом.