Representation av neuroner och synapser i den mänskliga hjärnan. Den förstorade synapsen representerar den del som efterliknas med hjälp av solid state-enheter. Upphovsman:Daegu Gyeongbuk Institute of Science and Technology (DGIST)
En forskargrupp ledd av direktör Myoung-Jae Lee från Intelligent Devices and Systems Research Group vid DGIST har lyckats utveckla en artificiell synaptisk enhet som efterliknar funktionen hos nervcellerna (neuronerna) och synapserna som är ansvariga för minnet i mänskliga hjärnor.
Synapser är mötesplatserna för axoner och dendriter som tillåter neuroner i den mänskliga hjärnan att skicka och ta emot nervsignaler; det är känt att det finns hundratals biljoner synapser i den mänskliga hjärnan. Dr Lees forskargrupp, tillsammans med sina medarbetare, har utvecklat en artificiell synaptisk enhet med hög tillförlitlighet med flera värden genom att strukturera tantaloxid-ett transmetalliskt material-i två lager Ta 2 O 5-x och TaO 2-x och genom att kontrollera dess yta.
Den konstgjorda synaptiska enheten som utvecklats av forskargruppen är en elektrisk synaptisk enhet som simulerar synapsenas funktion i hjärnan när tantaloxidskiktets motstånd gradvis ökar eller minskar beroende på styrkan hos de elektriska signalerna. Det har övervunnit hållbarhetsbegränsningar för nuvarande enheter genom att tillåta strömstyrning på ett enda lager av Ta 2 O 5-x .
Dessutom, forskargruppen genomförde framgångsrikt ett experiment som insåg synapsplasticitet, vilket är processen att skapa, lagring, och radera minnen, såsom långsiktig förstärkning eller undertryckande av minnesradering genom att justera styrkan hos synapsförbindelsen mellan neuroner.
Den icke-flyktiga datalagringsenheten med flera värden har ett litet fotavtryck, minska kretsanslutningens komplexitet, och minska strömförbrukningen med mer än 1000 jämfört med datalagringsmetoder baserade på digitala signaler som använder nollor och enor, såsom flyktigt CMOS-minne.
Den högtillförlitliga konstgjorda synaptiska enheten som utvecklats av forskargruppen kan användas i enheter med extremt låg effekt eller kretsar för att bearbeta massiva mängder data på grund av dess förmåga till parallellart med låg effekt. Den har applikationer i nästa generations intelligenta halvledarutrustningstekniker som artificiell intelligens (AI), maskininlärning och djupinlärning och hjärnhärmande halvledare.
Dr Lee sa, "Denna forskning säkerställde tillförlitligheten hos befintliga artificiella synaptiska enheter och förbättrade de områden som påpekades som nackdelar. Vi förväntar oss att bidra till utvecklingen av AI baserat på det neuromorfa systemet som efterliknar den mänskliga hjärnan genom att skapa en krets som imiterar neurons funktion. "