Digital beräkning har gjort nästan alla former av analog beräkning föråldrade sedan 1950 -talet. Dock, Det finns ett stort undantag som konkurrerar med beräkningskraften hos de mest avancerade digitala enheterna:den mänskliga hjärnan.

Den mänskliga hjärnan är ett tätt nätverk av neuroner. Varje neuron är ansluten till tiotusentals andra, och de använder synapser för att avfyra information fram och tillbaka hela tiden. För varje utbyte, hjärnan modulerar dessa anslutningar för att skapa effektiva vägar i direkt svar på den omgivande miljön. Digitala datorer lever i en värld av enor och nollor. De utför uppgifter sekventiellt, som följer varje steg i deras algoritmer i en fast ordning.

Ett team av forskare från Pitt's Swanson School of Engineering har utvecklat en "artificiell synaps" som inte behandlar information som en digital dator utan snarare efterliknar det analoga sättet den mänskliga hjärnan utför uppgifter. Under ledning av Feng Xiong, biträdande professor i el- och datateknik, forskarna publicerade sina resultat i det senaste numret av tidskriften Avancerade material (DOI:10.1002/adma.201802353). Hans medförfattare till Pitt inkluderar Mohammad Sharbati (första författare), Yanhao Du, Jorge Torres, Nolan Ardolino, och Minhee Yun.

"Hjärnans analoga natur och massiva parallellitet är delvis varför människor kan överträffa även de mest kraftfulla datorerna när det gäller kognitiva funktioner av högre ordning som röstigenkänning eller mönsterigenkänning i komplexa och varierade datamängder, "förklarar Dr. Xiong.

Ett framväxande område som kallas "neuromorf beräkning" fokuserar på utformningen av beräkningshårdvara inspirerad av den mänskliga hjärnan. Dr Xiong och hans team byggde grafenbaserade artificiella synapser i en tvådimensionell bikakekonfiguration av kolatomer. Grafenens ledande egenskaper tillät forskarna att finjustera sin elektriska konduktans, vilket är styrkan hos den synaptiska anslutningen eller den synaptiska vikten. Grafensynapsen visade utmärkt energieffektivitet, precis som biologiska synapser.

I den senaste tidens uppkomst av artificiell intelligens, datorer kan redan replikera hjärnan på vissa sätt, men det tar ungefär ett dussin digitala enheter för att efterlikna en analog synaps. Den mänskliga hjärnan har hundratals biljoner synapser för överföring av information, så att bygga en hjärna med digitala enheter är till synes omöjligt, eller åtminstone inte skalbar. Xiong Labs strategi ger en möjlig väg för hårdvaruimplementering av storskaliga artificiella neurala nätverk.

Enligt Dr Xiong, artificiella neurala nätverk baserade på den nuvarande CMOS-tekniken (komplementär metalloxidhalvledare) kommer alltid att ha begränsad funktionalitet när det gäller energieffektivitet, skalbarhet, och packningstäthet. "Det är verkligen viktigt att vi utvecklar nya enhetskoncept för synaptisk elektronik som är analoga till sin natur, energieffektiva, skalbar, och lämplig för storskaliga integrationer, "säger han." Vår grafensynaps verkar kontrollera alla rutor med dessa krav hittills. "

Med grafens inneboende flexibilitet och utmärkta mekaniska egenskaper, dessa grafenbaserade neurala nätverk kan användas i flexibel och bärbar elektronik för att möjliggöra beräkning vid "kanten av internet"-platser där beräkningsenheter som sensorer tar kontakt med den fysiska världen.

"Genom att ge även en rudimentär intelligensnivå inom bärbar elektronik och sensorer, vi kan spåra vår hälsa med smarta sensorer, ge förebyggande vård och snabb diagnostik, övervaka växternas tillväxt och identifiera möjliga skadedjursproblem, och reglera och optimera tillverkningsprocessen - avsevärt förbättra den totala produktiviteten och livskvaliteten i vårt samhälle, "Dr Xiong säger.

Utvecklingen av en konstgjord hjärna som fungerar som den analoga mänskliga hjärnan kräver fortfarande ett antal genombrott. Forskare måste hitta rätt konfigurationer för att optimera dessa nya artificiella synapser. De måste göra dem kompatibla med en rad andra enheter för att bilda neurala nätverk, och de kommer att behöva se till att alla artificiella synapser i ett storskaligt neuralt nätverk beter sig på exakt samma sätt. Trots utmaningarna, Dr Xiong säger att han är optimistisk om den riktning de är på väg.

"Vi är ganska glada över de här framstegen eftersom det potentiellt kan leda till energieffektiva, hårdvaruimplementering av neuromorf datorbearbetning, som för närvarande utförs i kraftintensiva GPU-kluster. Lågeffektegenskaperna hos vår artificiella synaps och dess flexibla natur gör den till en lämplig kandidat för alla typer av A.I. enhet, som skulle revolutionera våra liv, kanske ännu mer än den digitala revolutionen vi har sett under de senaste decennierna, "Dr Xiong säger.