Kredit:Song et al.
Skyrmions er ultrastabile atomobjekter, der først blev opdaget i virkelige materialer i 2009, som for nylig også er fundet også at eksistere ved stuetemperaturer. Disse unikke objekter har en række ønskelige egenskaber, herunder en væsentlig lille tærskelspænding, nanoskala størrelser og let elektrisk manipulation.
Selvom disse egenskaber kan være fordelagtige ved oprettelsen af en bred vifte af elektronik, Det har hidtil vist sig at være meget udfordrende at udvikle funktionelle elektriske apparater ved hjælp af skyrmions. En mulig applikation for skyrmions er i neuromorf computing, hvilket indebærer oprettelse af kunstige strukturer, der ligner dem, der observeres i den menneskelige hjerne.
Med det i tankerne, forskere ved Korea Institute of Science and Technology (KIST) har for nylig undersøgt muligheden for at bruge skyrmions til at replikere mekanismer observeret i den menneskelige hjerne. Deres papir, udgivet i Naturelektronik , viser, at disse ultrastabile atomstrukturer kan bruges til at efterligne nogle adfærd ved biologiske synapser, som er kryds mellem neuroner, hvorigennem nerveimpulser sendes videre til forskellige dele af den menneskelige hjerne.
"Siden deres opdagelse, der har været et par demonstrationer af elektriske manipulationer af skyrmions, som foreslog, at de måtte bruges til at skabe en fuldt fungerende enhed, "Seonghoon Woo, en af forskerne, der gennemførte undersøgelsen og nu hos IBM, fortalte TechXplore. "På samme tid, vi har oplevet en stigning i neuromorfe computingforskning, tyder på, at en analog hukommelsesenhed kendt som en 'memristor' kunne bruges til dramatisk at øge computereffektiviteten. Da andre teknologier, der anvender eksisterende analog hukommelse, stadig er på et tidligt stadie af udviklingen, vi troede, at skyrmion-baserede memristors måske var en løsning, på grund af deres ideelle egenskaber. "
Neuroner i hjernen kommunikerer på tværs af synapser ved hjælp af neurotransmittere, kemiske stoffer, der formidler neurologisk information fra en celle til en anden. I de kunstige synapser skabt af forskerne, hver enkelt skyrmion fungerer som en neurotransmitter.
Ved at styre antallet af skyrmions i et system ved hjælp af minimal elektrisk strøm, forskerne var i stand til at efterligne to mekanismer observeret i biologiske synapser, nemlig deres potentiering og depression adfærd, som udløses af variationer i vægten af neurotransmittere. Denne adfærd blev replikeret ved at fremkalde ophobning og spredning af skyrmions, resulterer i ændringer i systemets vægt og dermed i dets hukommelse.
"I vores undersøgelse, vi sammenlignede eksplicit skyrmion-baserede synapser med andre mere etablerede teknologier baseret på ikke-flygtig hukommelse, såsom faseændringshukommelse eller resistiv hukommelse, "Woo sagde." Selvom det var foreløbigt, vores undersøgelse afslører, at et skyrmion-baseret design kan have fordele i vigtige metrics, herunder udholdenhed, linearitet og enhed-til-enhed-variation som nu er en kritisk flaskehals i PRAM- eller RRAM-baserede designs. "
Indtil nu, Woo og hans kolleger har testet udførelsen af deres kunstige synapser på chip-niveau, i en række simuleringer. De fandt ud af, at de præsterede bemærkelsesværdigt godt, især om mønstergenkendelsesopgaver.
"I betragtning af at de fleste aktuelle undersøgelser af memristor-baseret neuromorf computing er baseret på enten PRAM eller RRAM, Jeg tror, at den mest meningsfulde præstation af vores undersøgelse er, at vi demonstrerede en ny måde at skabe neuromorfe computerværktøjer baseret på spin -strukturer, "Sagde Woo.
I nogle mønstergenkendelsesopgaver, de kunstige synapser skabt af Woo og hans kolleger opnåede en nøjagtighed, der kan sammenlignes med den, som andre state-of-the-art beregningsværktøjer har opnået. I fremtiden, disse strukturer kunne muliggøre udvikling af nye typer højtydende kunstige neurale netværk (ANN).
"En af de mange fordele ved Skyrmions er, at de kan have en meget lille størrelse - ned til et enkelt nanometer - og energiskala, i et ideelt materiale, "Tilføjede Woo." Denne egenskab kan snart reducere driftsenergien betydeligt til neuromorfe computerapplikationer. "
© 2020 Science X Network