Udvikling af laveffekt og højeffektive kunstige sensoriske neuroner

I øjeblikket spredes AI-tjenester hurtigt i dagligdagen og i alle brancher. Disse tjenester aktiveres ved at forbinde AI-centre og -terminaler, såsom mobile enheder, pc'er osv. Denne metode øger dog byrden på miljøet ved at forbruge meget strøm, ikke kun til at drive AI-systemet, men også til at overføre data. I tider med krig eller katastrofer kan det blive ubrugeligt på grund af strømsammenbrud og netværkssvigt, hvis konsekvenser kan være endnu mere alvorlige, hvis det er en AI-tjeneste inden for liv og sikkerhed. Som en næste generations kunstig intelligens-teknologi, der kan overvinde disse svagheder, tiltrækker laveffekt og højeffektiv "in-sensor computing"-teknologi, der efterligner informationsbehandlingsmekanismen i det menneskelige nervesystem, opmærksomheden.

Korea Institute of Science and Technology (KIST, præsident Seok-Jin Yoon) meddelte, at dets team ledet af Dr. Suyoun Lee (Center for Neuromorphic Engineering) har haft held med at udvikle "kunstige sensoriske neuroner", der vil være nøglen til den praktiske brug af in-sensor computing. Neuroner forfiner enorme ydre stimuli (modtaget af sanseorganer såsom øjne, næse, mund, ører og hud) til information i form af pigge; og spiller derfor en vigtig rolle i at sætte hjernen i stand til hurtigt at integrere og udføre komplekse opgaver såsom kognition, læring, ræsonnement, forudsigelse og dømmekraft med lidt energi.

Ovonic threshold switch (OTS) er en to-terminal switching enhed, der opretholder en høj modstandstilstand (10-100 MΩ) under switching spændingen og udviser et kraftigt fald i modstand over switching spændingen. I et præcedensstudie udviklede holdet en kunstig neuronanordning, der efterligner virkningen af ​​neuroner (integrere-og-fyr), der genererer et spidssignal, når inputsignalet overstiger en specifik intensitet.

Denne undersøgelse, offentliggjort i Nano Letters , introducerer en tre-terminal ovonic threshold switch (3T-OTS) enhed, der kan styre switching spændingen for at simulere neuronernes adfærd og hurtigt finde og abstrahere mønstre blandt enorme mængder af data input til sensoriske organer. Ved at forbinde en sensor til den tredje elektrode på 3T-OTS-enheden, som konverterer eksterne stimuli til spænding, var det muligt at realisere en sensorisk neuron-enhed, der ændrer spidsmønstrene i henhold til de eksterne stimuli.

Forskerholdet lykkedes med at realisere en kunstig visuel neuronanordning, der efterligner informationsbehandlingsmetoden for menneskelige sanseorganer, ved at kombinere en 3T-OTS og en fotodiode. Derudover kunne holdet ved at forbinde en kunstig visuel neuron-enhed med et kunstigt neuralt netværk, der efterligner hjernens visuelle centrum, skelne COVID-19-infektioner fra viral lungebetændelse med en nøjagtighed på omkring 86,5 % gennem billedindlæring af røntgenstråler af thorax. .

Dr. Suyoun Lee, direktør for KIST Center for Neuromorphic Engineering, sagde:"Denne kunstige sensoriske neuronanordning er en platformsteknologi, der kan implementere forskellige sensoriske neuronanordninger såsom syn og berøring ved at forbinde med eksisterende sensorer. Det er en afgørende bygning blok for in-sensor computing-teknologi."

Han forklarede også betydningen af ​​forskningen, der "vil yde et stort bidrag til at løse forskellige sociale problemer relateret til liv og sikkerhed, såsom udvikling af et medicinsk billeddiagnostisk system, der kan diagnosticere samtidigt med undersøgelser, forudsige akut hjertesygdom gennem tidsserier mønsteranalyse af puls og blodtryk og realisere ekstrasensorisk evne til at detektere vibrationer uden for den hørbare frekvens for at forhindre bygningskollapsulykker, jordskælv, tsunamier osv." + Udforsk yderligere

Udvikling af dendritiske netværksimplementerbare kunstige neurofibertransistorer