Ligesom biologisk baserede systemer (venstre), kompleks emergent adfærd - som opstår, når separate komponenter flettes sammen i et koordineret system - skyldes også neuromorfe netværk, der består af kvantemateriale-baserede enheder (til højre). Kredit:University of California - San Diego
Isaac Newtons banebrydende videnskabelige produktivitet, mens den er isoleret fra spredningen af byllepest, er legendarisk. University of California San Diego fysikere kan nu gøre krav på en andel i annaler af pandemi-drevet videnskab.
Et team af UC San Diego forskere og kolleger ved Purdue University har nu simuleret grundlaget for nye typer kunstig intelligens computerenheder, der efterligner hjernens funktioner, en præstation, der er resultatet af COVID-19-pandemiens nedlukning. Ved at kombinere nye supercomputermaterialer med specialiserede oxider, forskerne demonstrerede med succes rygraden i netværk af kredsløb og enheder, der afspejler forbindelsen mellem neuroner og synapser i biologisk baserede neurale netværk.
Simuleringerne er beskrevet i Proceedings of the National Academy of Sciences ( PNAS ).
Da båndbreddekravene til nutidens computere og andre enheder når deres teknologiske grænse, forskere arbejder hen imod en fremtid, hvor nye materialer kan orkestreres for at efterligne hastigheden og præcisionen af dyrelignende nervesystemer. Neuromorf databehandling baseret på kvantematerialer, som viser kvantemekanik-baserede egenskaber, give videnskabsmænd mulighed for at bevæge sig ud over grænserne for traditionelle halvledermaterialer. Denne avancerede alsidighed åbner døren til nye enheder, der er langt mere fleksible med lavere energibehov end nutidens enheder. Nogle af disse bestræbelser ledes af Institut for Fysik Adjunkt Alex Frañó og andre forskere i UC San Diego's Quantum Materials for Energy Efficient Neuromorphic Computing (Q-MEEN-C), et Department of Energy-støttet Energy Frontier Research Center.
"I de sidste 50 år har vi set utrolige teknologiske resultater, der resulterede i computere, der blev gradvist mindre og hurtigere - men selv disse enheder har grænser for datalagring og energiforbrug, " sagde Frañó, der tjente som en af PNAS-avisens forfattere, sammen med tidligere UC San Diego kansler, UC-præsident og fysiker Robert Dynes. "Neuromorphic computing er inspireret af de nye processer af de millioner af neuroner, axoner og dendritter, der er forbundet over hele vores krop i et ekstremt komplekst nervesystem."
Som eksperimentelle fysikere, Frañó og Dynes har typisk travlt i deres laboratorier med at bruge state-of-the-art instrumenter til at udforske nye materialer. Men med pandemiens begyndelse, Frañó og hans kolleger blev tvunget i isolation med bekymringer om, hvordan de ville holde deres forskning i gang. De kom til sidst til den erkendelse, at de kunne fremme deres videnskab fra perspektivet af simuleringer af kvantematerialer.
"Dette er et pandemipapir, " sagde Frañó. "Mine medforfattere og jeg besluttede at studere dette spørgsmål fra et mere teoretisk perspektiv, så vi satte os ned og begyndte at holde ugentlige (Zoom-baserede) møder. Til sidst udviklede ideen sig og tog fart."
Forskernes innovation var baseret på at sammenføje to typer kvantestoffer - superledende materialer baseret på kobberoxid og metalisolatorovergangsmaterialer, der er baseret på nikkeloxid. De skabte grundlæggende "loop-enheder", der kunne styres præcist på nanoskala med helium og brint, afspejler den måde, neuroner og synapser er forbundet på. Tilføjelse af flere af disse enheder, der linker og udveksler oplysninger med hinanden, simuleringerne viste, at de i sidste ende ville tillade skabelsen af en række netværksenheder, der viser nye egenskaber som et dyrs hjerne.
Ligesom hjernen, neuromorfe enheder bliver designet til at forbedre forbindelser, der er vigtigere end andre, svarende til den måde, synapser vejer vigtigere budskaber på end andre.
"Det er overraskende, at når du begynder at sætte flere løkker i, du begynder at se adfærd, som du ikke havde forventet, " sagde Frañó. "Fra dette papir kan vi forestille os at gøre dette med seks, 20 eller hundrede af disse enheder - så bliver det eksponentielt rigt derfra. I sidste ende er målet at skabe et meget stort og komplekst netværk af disse enheder, der vil have evnen til at lære og tilpasse sig."
Med lempede pandemiske restriktioner, Frañó og hans kolleger er tilbage i laboratoriet, at teste de teoretiske simuleringer beskrevet i PNAS papiret med instrumenter fra den virkelige verden.