Superledende hardware kunne opskalere hjerne-inspireret databehandling

Forskere har længe set på hjernen som en inspiration til at designe computersystemer. Nogle forskere er for nylig gået endnu længere ved at lave computerhardware med en hjernelignende struktur. Disse "neuromorfe chips" har allerede vist meget lovende, men de har brugt konventionel digital elektronik, hvilket begrænser deres kompleksitet og hastighed. Efterhånden som chipsene bliver større og mere komplekse, bliver signalerne mellem deres individuelle komponenter sikkerhedskopieret som biler på en fastlåst motorvej og reducerer beregningen til en gennemgang.

Nu har et hold ved National Institute of Standards and Technology (NIST) demonstreret en løsning på disse kommunikationsudfordringer, som en dag kan tillade kunstige neurale systemer at fungere 100.000 gange hurtigere end den menneskelige hjerne.

Den menneskelige hjerne er et netværk af omkring 86 milliarder celler kaldet neuroner, som hver kan have tusindvis af forbindelser (kendt som synapser) med sine naboer. Neuronerne kommunikerer med hinanden ved hjælp af korte elektriske impulser kaldet spikes for at skabe rige, tidsvarierende aktivitetsmønstre, der danner grundlaget for kognition. I neuromorfe chips fungerer elektroniske komponenter som kunstige neuroner, der dirigerer spidssignaler gennem et hjernelignende netværk.

Ved at gøre op med konventionel elektronisk kommunikationsinfrastruktur har forskere designet netværk med små lyskilder ved hver neuron, der udsender optiske signaler til tusindvis af forbindelser. Dette skema kan være særligt energieffektivt, hvis superledende enheder bruges til at detektere enkelte lyspartikler kendt som fotoner – det mindst mulige optiske signal, der kunne bruges til at repræsentere en spids.

I en ny Nature Electronics papir, har NIST-forskere for første gang opnået et kredsløb, der opfører sig meget som en biologisk synapse, men alligevel bruger enkelte fotoner til at transmittere og modtage signaler. En sådan bedrift er mulig ved brug af superledende enkeltfoton-detektorer. Beregningen i NIST-kredsløbet sker, hvor en enkelt-foton-detektor møder et superledende kredsløbselement kaldet en Josephson-junction.

En Josephson junction er en sandwich af superledende materialer adskilt af en tynd isolerende film. Hvis strømmen gennem sandwichen overstiger en vis tærskelværdi, begynder Josephson-forbindelsen at producere små spændingsimpulser kaldet fluxoner. Ved detektering af en foton skubber enkeltfotondetektoren Josephson-forbindelsen over denne tærskel, og fluxoner akkumuleres som strøm i en superledende sløjfe. Forskere kan indstille mængden af ​​strøm tilføjet til sløjfen pr. foton ved at anvende en bias (en ekstern strømkilde, der driver kredsløbene) til et af krydsene. Dette kaldes den synaptiske vægt.

Denne adfærd ligner den for biologiske synapser. Den lagrede strøm tjener som en form for korttidshukommelse, da den giver en registrering af, hvor mange gange neuronen producerede en spids i den nærmeste fortid. Varigheden af ​​denne hukommelse er fastsat af den tid, det tager for den elektriske strøm at henfalde i de superledende sløjfer, som NIST-holdet demonstrerede kan variere fra hundredvis af nanosekunder til millisekunder og sandsynligvis længere.

Dette betyder, at hardwaren kan matches med problemer, der opstår på mange forskellige tidsskalaer - fra højhastigheds industrielle kontrolsystemer til mere afslappede samtaler med mennesker. Evnen til at indstille forskellige vægte ved at ændre forspændingen til Josephson-forbindelserne tillader en langtidshukommelse, der kan bruges til at gøre netværkene programmerbare, så det samme netværk kan løse mange forskellige problemer.

Synapser er en afgørende beregningskomponent i hjernen, så denne demonstration af superledende enkeltfotonsynapser er en vigtig milepæl på vejen til at realisere holdets fulde vision om superledende optoelektroniske netværk. Alligevel er jagten langt fra afsluttet. Holdets næste milepæl vil være at kombinere disse synapser med on-chip lyskilder for at demonstrere fulde superledende optoelektroniske neuroner.

"Vi kunne bruge det, vi har demonstreret her, til at løse beregningsproblemer, men omfanget ville være begrænset," sagde NIST-projektleder Jeff Shainline. "Vores næste mål er at kombinere dette fremskridt inden for superledende elektronik med halvlederlyskilder. Det vil give os mulighed for at opnå kommunikation mellem mange flere elementer og løse store følgeproblemer."

Holdet har allerede demonstreret lyskilder, der kunne bruges i et komplet system, men der kræves yderligere arbejde for at integrere alle komponenterne på en enkelt chip. Synapserne i sig selv kunne forbedres ved at bruge detektormaterialer, der fungerer ved højere temperaturer end det nuværende system, og holdet udforsker også teknikker til at implementere synaptisk vægtning i større neuromorfe chips. + Udforsk yderligere

Ved at kombinere lys kan superledere øge AI-egenskaberne