IBM-forskere efterligner neurons funktionalitet med en faseændringsenhed

IBM-forskere har skabt tilfældigt stigende neuroner ved hjælp af faseændringsmaterialer til at gemme og behandle data. Denne demonstration markerer et væsentligt skridt fremad i udviklingen af ​​energieffektive, ultra-tætte integrerede neuromorfe teknologier til applikationer inden for kognitiv databehandling.

Inspireret af den måde, den biologiske hjerne fungerer på, forskere har i årtier teoretiseret, at det burde være muligt at efterligne de alsidige beregningsevner hos store populationer af neuroner. Imidlertid, at gøre det ved tætheder og med et energibudget, der ville være sammenligneligt med dem, man ser i biologi, har været en betydelig udfordring, indtil nu.

"Vi har forsket i faseændringsmaterialer til hukommelsesapplikationer i over et årti, og vores fremskridt i de sidste 24 måneder har været bemærkelsesværdige, " sagde IBM Fellow Evangelos Eleftheriou. "I denne periode, vi har opdaget og offentliggjort nye hukommelsesteknikker, inklusive projiceret hukommelse, gemte 3 bits pr. celle i faseændringshukommelsen for første gang, og nu demonstrerer de kraftfulde egenskaber af faseændringsbaserede kunstige neuroner, som kan udføre forskellige beregningsmæssige primitiver såsom data-korrelationsdetektion og uovervåget læring ved høje hastigheder ved at bruge meget lidt energi."

De kunstige neuroner designet af IBM-videnskabsmænd i Zürich består af faseændringsmaterialer, herunder germanium antimon tellurid, som udviser to stabile tilstande, en amorf (uden en klart defineret struktur) og en krystallinsk (med struktur). Disse materialer er grundlaget for omskrivbare Blu-ray-diske. Imidlertid, de kunstige neuroner gemmer ikke digital information; de er analoge, ligesom synapserne og neuronerne i vores biologiske hjerne.

I den offentliggjorte demonstration, holdet påførte en række elektriske impulser til de kunstige neuroner, hvilket resulterede i den progressive krystallisation af faseændringsmaterialet, i sidste ende får neuronen til at skyde. I neurovidenskab, denne funktion er kendt som integrere-og-ild egenskaben af ​​biologiske neuroner. Dette er grundlaget for hændelsesbaseret beregning og, i princippet, ligner, hvordan vores hjerne udløser en reaktion, når vi rører ved noget varmt.

Udnytter denne integrere-og-fyr ejendom, selv en enkelt neuron kan bruges til at detektere mønstre og opdage korrelationer i realtidsstrømme af begivenhedsbaserede data. For eksempel, i tingenes internet, sensorer kan indsamle og analysere mængder af vejrdata indsamlet ved kanten for hurtigere prognoser. De kunstige neuroner kunne bruges til at opdage mønstre i finansielle transaktioner for at finde uoverensstemmelser eller bruge data fra sociale medier til at opdage nye kulturelle tendenser i realtid. Store populationer af disse højhastigheds-, lavenergineuroner i nanoskala kunne også bruges i neuromorfe coprocessorer med samplacerede hukommelses- og behandlingsenheder.

IBM-forskere har organiseret hundredvis af kunstige neuroner i populationer og brugt dem til at repræsentere hurtige og komplekse signaler. I øvrigt, de kunstige neuroner har vist sig at opretholde milliarder af skiftende cyklusser, hvilket ville svare til flere års drift ved en opdateringsfrekvens på 100 Hz. Den nødvendige energi til hver neuronopdatering var mindre end fem picojoule og den gennemsnitlige effekt mindre end 120 mikrowatt - til sammenligning, 60 millioner mikrowatt driver en 60 watt pære.

"Populationer af stokastiske faseskiftneuroner, kombineret med andre nanoskala beregningselementer såsom kunstige synapser, kunne være en nøglemuligator for skabelsen af ​​en ny generation af ekstremt tætte neuromorfe computersystemer, " sagde Tomas Tuma, medforfatter til papiret.