Ett team som leds av professor Simon Brown vid University of Canterbury (UC) har utvecklat datorchips med hjärnliknande funktionalitet, som kan avsevärt minska de globala koldioxidutsläppen från datorer.

Publicerad denna vecka i prestigefylld referentgranskad tidskrift Vetenskapliga framsteg , papperet visar att signaler på chipsen är anmärkningsvärt liknande de som passerar genom nätverket av neuroner i hjärnan. Detta är viktigt för att bygga nya typer av datorer eftersom hjärnan är otroligt bra på att bearbeta information med mycket små mängder energi. Hjärnliknande datoranvändning skulle kunna möjliggöra "edge computing" och hantera den ständigt ökande energiförbrukningen hos datorer. Det skulle också avsevärt minska mängden data som delas med företag som Google och Facebook, och minska globala koldioxidutsläpp från datorer.

Chipsen är baserade på självorganisering av nanopartiklar – att dra fördel av fysikaliska principer i ofattbart liten skala, hundra tusen gånger mindre än tjockleken på ett människohår, att skapa hjärnliknande nätverk.

Komponenterna i detta nya chip är på atomnivå och är så små att de inte kan ses med blotta ögat eller konventionella mikroskop, och kan endast ses i elektronmikroskop.

"Forskningen visar att den här typen av chip verkligen efterliknar hjärnans signalbeteende. Vi blev förvånade över i vilken utsträckning laviner eller kaskader av spänningspulser på våra chip replikerar lavinerna av "aktionspotentialer" som observeras i hjärnan. Det här är signalerna som skickar instruktioner från en "neuron" till en annan, och så replikera dem är ett viktigt steg mot att kunna göra datorchips med hjärnliknande funktioner, "Säger professor Brown.

"Dessa marker kan ge en annan sorts artificiell intelligens. Genom att förstå de underliggande grundläggande fysiska processerna, vi tror att vi kan designa dessa marker och kontrollera deras beteende för att göra saker som mönster eller bildigenkänning, "säger han." Nyckeln är att bearbetning på chip och med låg strömförbrukning öppnar nya applikationer som för närvarande inte är möjliga. "

Potentiella tillämpningar av on-chip-mönsterigenkänningsteknik kan hittas i retinalskanningar på mobiltelefoner, robotik, autonoma fordon och biomedicinska anordningar. Teamet är medvetet om oro för AI och arbetar med samhällsvetare för att förstå etiska överväganden tillsammans med forskningen. Det är möjligt att genom att låta mer databehandling ske på mobiltelefoner, Tekniken kan kringgå oro för att dela data med stora företag som Facebook och Google.

Laviner och kritik i självorganiserade nanoskala nätverk är medförfattare av doktorander Josh Mallinson, Shota Shirai och Edoardo Galli, och postdoktorer Susant Acharya och Saurabh Bose. Forskningen visar att chipsen är baserade på självorganisation av nanopartiklar-utnyttjar fysiska principer i ofattbart små skalor, hundra tusen gånger mindre än tjockleken på ett människohår, att skapa hjärnliknande nätverk.