Hjärnans förmåga att samtidigt lära sig och memorera stora mängder information samtidigt som den kräver lite energi har inspirerat ett helt fält att bedriva hjärnliknande-eller neuromorfa-datorer. Forskare vid Stanford University och Sandia National Laboratories har tidigare utvecklat en del av en sådan dator:en enhet som fungerar som en artificiell synaps, härma hur neuroner kommunicerar i hjärnan.

I ett papper publicerat online av tidningen Vetenskap den 25 april, teamet rapporterar att en prototypmatris med nio av dessa enheter fungerade ännu bättre än förväntat i bearbetningshastighet, energieffektivitet, reproducerbarhet och hållbarhet.

Ser fram emot, teammedlemmarna vill kombinera sin artificiella synaps med traditionell elektronik, som de hoppas kan vara ett steg mot att stödja artificiellt intelligent lärande på små enheter.

"Om du har ett minnessystem som kan lära sig med den energieffektivitet och hastighet som vi har presenterat, då kan du lägga det i en smartphone eller bärbar dator, "sa Scott Keene, medförfattare till uppsatsen och en doktorand i labbet av Alberto Salleo, professor i materialvetenskap och teknik vid Stanford som är medförfattare. "Det skulle öppna tillgången till möjligheten att träna våra egna nätverk och lösa problem lokalt på våra egna enheter utan att förlita sig på dataöverföring för att göra det."

Ett dåligt batteri, en bra synaps

Lagets artificiella synaps liknar ett batteri, modifierad så att forskarna kan ringa upp eller ner elflödet mellan de två terminalerna. Det flödet av elektricitet efterliknar hur inlärning är kopplad i hjärnan. Detta är en särskilt effektiv design eftersom databehandling och minneslagring sker i en åtgärd, snarare än ett mer traditionellt datorsystem där data bearbetas först och sedan flyttas till lagring.

Att se hur dessa enheter fungerar i en array är ett avgörande steg eftersom det tillåter forskarna att programmera flera artificiella synapser samtidigt. Detta är mycket mindre tidskrävande än att behöva programmera varje synaps en efter en och är jämförbar med hur hjärnan faktiskt fungerar.

I tidigare tester av en tidigare version av denna enhet, forskarna fann att deras bearbetning och minneshantering kräver ungefär en tiondel så mycket energi som ett toppmodern datorsystem behöver för att utföra specifika uppgifter. Fortfarande, forskarna oroade sig för att summan av alla dessa enheter som arbetar tillsammans i större matriser kan riskera att dra för mycket ström. Så, de omkonverterade varje enhet för att leda mindre elektrisk ström - vilket gör dem till mycket sämre batterier men gör gruppen ännu mer energieffektiv.

3-by-3-matrisen förlitade sig på en andra typ av enhet-utvecklad av Joshua Yang vid University of Massachusetts, Amherst, som är medförfattare till tidningen-som fungerar som en switch för programmering av synapser inom arrayen.

"Att koppla upp allt tog mycket felsökning och många ledningar. Vi var tvungna att se till att alla arraykomponenter fungerade tillsammans, "sade Armantas Melianas, en postdoktor i Salleo -labbet. "Men när vi såg allt lysa upp, det var som en julgran. Det var det mest spännande ögonblicket. "

Under testningen, matrisen överträffade forskarnas förväntningar. Det presterade med en sådan hastighet att teamet förutspår att nästa version av dessa enheter kommer att behöva testas med speciell höghastighetselektronik. Efter att ha mätt hög energieffektivitet i 3-by-3-matrisen, forskarna körde datasimuleringar av en större 1024-by-1024 synaps-array och uppskattade att den kunde drivas av samma batterier som för närvarande används i smartphones eller små drönare. Forskarna kunde också byta enheter över en miljard gånger - ytterligare ett bevis på dess hastighet - utan att se någon försämring av dess beteende.

"Det visar sig att polymeranordningar, om du behandlar dem väl, kan vara lika motståndskraftiga som traditionella motsvarigheter av kisel. Det var kanske den mest överraskande aspekten ur min synvinkel, "Sa Salleo." För mig, Det förändrar hur jag tänker om dessa polymerenheter när det gäller tillförlitlighet och hur vi kan använda dem. "

Rum för kreativitet

Forskarna har ännu inte överlämnat sin uppsättning till tester som avgör hur bra den lär sig men det är något de planerar att studera. Teamet vill också se hur deras enhet väder olika förhållanden - till exempel höga temperaturer - och att arbeta med att integrera den med elektronik. Det finns också många grundläggande frågor kvar att svara på som kan hjälpa forskarna att förstå exakt varför deras enhet fungerar så bra.

"Vi hoppas att fler kommer att börja arbeta med den här typen av enheter eftersom det inte finns många grupper som fokuserar på just denna arkitektur, men vi tycker att det är mycket lovande, "Melianas sa." Det finns fortfarande mycket utrymme för förbättringar och kreativitet. Vi rörde bara knappt ytan. "