MIT Scientists Design Artificial Synapse for Brain-like Computer Chips

En ny æra av databehandling kom akkurat nærmere, som forskere har skapt design og kjører den første noensinne praktiske testen for en kunstig synaps som kunne la datamaskiner replikere noen av hjernens mest kraftfulle og intrikate funksjoner.

Mens datamaskiner kan virke kraftigere enn hjernen vår, kan vi faktisk håndtere et mye større spekter av mulige signaler enn "på" og "av" av binær, takket være synapsene som håndterer forbindelsene mellom nevroner.

Replikere den muligheten i en datamaskin krever kunstige synapser som pålitelig kan sende alle de subtly forskjellige signaler. Som de beskriver i mandags utgave av tidsskriftet Naturmaterialer, har forskere ved Massachusetts Institute of Technology utført det de kaller den første noensinne praktiske testen av en slik kunstig synaps, som frigjør det som kalles neuromorfisk databehandling.

Mens testene bare skjedde i datasimuleringer, var testene lovende. Forskerne brukte de kunstige synapsdesignene til å gjenkjenne forskjellige håndskrifteksempler. Simuleringen de kjørte klarte nesten å matche hva eksisterende tradisjonelle algoritmer kan gjøre med hensyn til nøyaktighet - 95 versus 97 prosent - som er et imponerende utgangspunkt for teknologi i, er absolutt barndom.

Tradisjonelle digitale datamaskiner stole på binær signalering. En verdi på en betyr "på", mens en verdi på null betyr "av". Fordi datamaskiner kan utføre bestemte beregninger mye raskere og mer effektivt enn vi kan, er det lett å anta at denne binære tilnærmingen er bedre enn hva som skjer i vår hjerner.

Men det analoge oppsettet av de 100 milliarder nevronene i hver av hjernene våre er uten tvil mye mer sofistikert. Den 100 billioner synapser som styrer forbindelsene mellom de nevronene, sender ikke bare på eller av signaler.

De forskjellige typer og antall ioner som strømmer over en gitt synaps, bestemmer hvor sterkt et signal det sender til en bestemt neuron, og at spekteret av mulige meldinger betyr at hjernen vår kan låse opp et langt større utvalg av beregninger. Hvis datamaskiner kunne legge til den slags kompleksitet med sine allerede store verktøy, ville du se på noen seriøst kraftige maskiner - og de ville heller ikke være gigantiske.

Her er problemet: Naturen har hatt et par milliarder år for å perfeksjonere synapsene i hjernen vår og de andre artene. Forskere har bare forsøkt å skape syntetisk ekvivalent i noen år, og det er noen store hindringer. Den største er at enhver kunstig synapse må pålidelig sende akkurat det samme signalet for hver inngang det mottar, ellers forplikter den intricacy bare til kaos.

"Når du bruker litt spenning for å representere noen data med din kunstige nevron, må du slette og kunne skrive den på nytt på samme måte," sa Kim. "Men i et amorft fast, når du skriver igjen, går ioner i forskjellige retninger fordi det er mange feil. Denne strømmen endrer seg, og det er vanskelig å kontrollere. Det er det største problemet - ikke-uniformitet av kunstig synaps."

MIT-forskerne er optimistiske, og deres design har gjort betydelig fremgang på dette problemet ved å bruke et annet materiale, et krystallinsk silisium som utfører perfekt uten defekter. I en simulering designet forskerne kunstige synapser på dette fundamentet ved hjelp av det felles transistormaterialet silisium germanium, kunne de skape strømmer som varierte kun rundt fire prosent mellom forskjellige synapser. Det er ikke perfekt, men det er en stor forbedring på hva som er oppnådd tidligere.

For nå er dette arbeidet teoretisk, og det er en forskjell mellom å demonstrere lovende resultater i en simulering versus å innse det i en egentlig real-world test. Men Kim og hans team er optimistiske.

"Dette åpner en stein for å produsere ekte kunstig maskinvare," sa han.