Biokredsløb efterligner synapser og neuroner i et skridt mod sensorisk databehandling

Forskere ved Department of Energy's Oak Ridge National Laboratory, University of Tennessee og Texas A&M University demonstrerede bio-inspirerede enheder, der accelererer ruter til neuromorfe, eller hjerne-lignende, computing.

Resultater offentliggjort i Naturkommunikation rapporter det første eksempel på en lipid-baseret "memcapacitor, " en ladningslagringskomponent med hukommelse, der behandler information meget ligesom synapser gør i hjernen. Deres opdagelse kunne understøtte fremkomsten af ​​computernetværk, der er modelleret på biologi til en sensorisk tilgang til maskinlæring.

"Vores mål er at udvikle materialer og computerelementer, der fungerer som biologiske synapser og neuroner - med stor sammenkobling og fleksibilitet - for at muliggøre autonome systemer, der fungerer anderledes end nuværende computerenheder og tilbyder ny funktionalitet og læringsmuligheder, " sagde Joseph Najem, en nylig postdoc-forsker ved ORNL's Center for Nanophase Materials Sciences, en DOE Office of Science brugerfacilitet, og nuværende assisterende professor i maskinteknik ved Penn State.

Den nye tilgang bruger bløde materialer til at efterligne biomembraner og simulere den måde, hvorpå nerveceller kommunikerer med hinanden.

Holdet designede en kunstig cellemembran, dannet ved grænsefladen mellem to lipid-coatede vanddråber i olie, at udforske materialets dynamik, elektrofysiologiske egenskaber. Ved påførte spændinger, ladninger opbygges på begge sider af membranen som lagret energi, analogt med den måde, kondensatorer fungerer på i traditionelle elektriske kredsløb.

Men i modsætning til almindelige kondensatorer, memkapacitoren kan "huske" en tidligere påført spænding og - bogstaveligt talt - forme, hvordan information behandles. De syntetiske membraner ændrer overfladeareal og tykkelse afhængigt af elektrisk aktivitet. Disse formskiftende membraner kunne indstilles som adaptive filtre til specifikke biofysiske og biokemiske signaler.

"Den nye funktionalitet åbner muligheder for ikke-digital signalbehandling og maskinlæring baseret på naturen, " sagde ORNLs Pat Collier, en CNMS-ansat forsker.

Et særpræg ved alle digitale computere er adskillelsen af ​​behandling og hukommelse. Information overføres frem og tilbage fra harddisken og centralprocessoren, skabe en iboende flaskehals i arkitekturen, uanset hvor lille eller hurtig hardware kan være.

Neuromorfe computere, modelleret på nervesystemet, anvender arkitekturer, der er fundamentalt forskellige ved, at hukommelse og signalbehandling er samplaceret i hukommelseselementer - memristorer, memcapacitors og meminduktorer.

Disse "memelements" udgør den synaptiske hardware i systemer, der efterligner naturlig informationsbehandling, indlæring og hukommelse.

Systemer designet med memelements tilbyder fordele i skalerbarhed og lavt strømforbrug, men det virkelige mål er at finde en alternativ vej til kunstig intelligens, sagde Collier.

At udnytte biologien kunne muliggøre nye computermuligheder, især inden for "edge computing, "såsom bærbare og indlejrede teknologier, der ikke er forbundet til en sky, men i stedet træffer beslutninger på farten baseret på sensoriske input og tidligere erfaringer.

Biologisk sansning har over milliarder af år udviklet sig til et meget følsomt system med receptorer i cellemembraner, der er i stand til at udvælge et enkelt molekyle af en specifik lugt eller smag. "Dette er ikke noget, vi kan matche digitalt, " sagde Collier.

Digital beregning er bygget op omkring digital information, det binære sprog af etere og nuller, der løber gennem elektroniske kredsløb. Det kan efterligne den menneskelige hjerne, men dens solid-state komponenter beregner ikke sensoriske data, som en hjerne gør.

"Hjernen beregner sensorisk information skubbet gennem synapser i et neuralt netværk, der kan omkonfigureres og formes af læring, " sagde Collier. "Inkorporering af biologi - ved hjælp af biomembraner, der registrerer bioelektrokemisk information - er nøglen til at udvikle funktionaliteten af ​​neuromorfisk databehandling."

Mens adskillige solid-state versioner af memelementer er blevet demonstreret, holdets biomimetiske elementer repræsenterer nye muligheder for potentielle "spikende" neurale netværk, der kan beregne naturlige data på naturlige måder.

Spiking neurale netværk er beregnet til at simulere den måde, neuroner spike med elektrisk potentiale og, hvis signalet er stærkt nok, videregive det til deres naboer gennem synapser, udskæring af læringsforløb, der beskæres over tid for effektivitet.

En bio-inspireret version med analog databehandling er et fjernt mål. Aktuel forskning i tidlige stadier fokuserer på at udvikle komponenterne i biokredsløb.

"Vi startede med det grundlæggende, en memristor, der kan veje information via konduktans for at bestemme, om en spids er stærk nok til at blive udsendt gennem et netværk af synapser, der forbinder neuroner, " sagde Collier. "Vores memcapacitor går videre i, at den faktisk kan lagre energi som en elektrisk ladning i membranen, muliggør den komplekse 'integrere og affyre' aktivitet af neuroner, der er nødvendige for at opnå tætte netværk, der er i stand til hjernelignende beregning."

Holdets næste skridt er at udforske nye biomaterialer og studere simple netværk for at opnå mere komplekse hjernelignende funktionaliteter med memelementer.

Artiklen, "Dynamisk ikke-lineær hukommelseskapacitans i biomimetiske membraner, " er udgivet i Naturkommunikation .