Strömförbrukningen för datacenter runt om i världen ökar. Detta skapar en stor efterfrågan på ny teknik som kan leda till energieffektiva datorer. I en ny studie, fysiker vid Radboud University har visat att detta också kan uppnås genom att använda chips vars funktion är inspirerad av den mänskliga hjärnans. Studien publicerades i den vetenskapliga tidskriften Tillämpad fysikbokstäver den 16 maj.

Jämfört med våra nuvarande datorer, den mänskliga hjärnan använder en bråkdel av energin för att bearbeta samma mängd data. Detta är möjligt på grund av det faktum att våra hjärnor kan bearbeta data parallellt och lagra den också genom att göra anslutningar starkare eller svagare.

"Vi ville se om vi kunde implementera denna egenskap av plasticitet i ett artificiellt system och kombinera det med den snabba och energieffektiva tekniken för att styra magnetism med hjälp av ljus, som redan har tillämpats en tid, säger Johan Mentink och Theo Rasing, båda fysikerna vid Radboud University. "Detta bör så småningom leda till energieffektiva och smarta datorer."

Analog istället för digitalt

Möjligheten till snabb och energieffektiv datalagring med magnetism har varit känd sedan en tid tillbaka. Genom att avfyra korta ljuspulser mot magnetiskt material, de magnetiska snurrarna i materialet vänds, som ändrar ett 0 till ett 1, och vice versa. "Men för att få dessa magneter att bete sig som synapser i hjärnan, vilket skulle göra det möjligt att inte bara lagra data utan också att behandla den, magneterna ska tillåtas att förändras kontinuerligt, ”Johan Mentink förklarar.

"Vi kunde ge magneter denna egenskap genom att se till att materialets magnetiska tillstånd gradvis förändras under påverkan av ljus, istället för att göra en hel vändning på en gång. Detta kan jämföras med ett analogt ur som rör sig gradvis, i motsats till en digital klocka. "

Magnets inlärningsbeteende

Denna nya plastfastighet banade väg för forskare att bygga ett litet konstgjort neuralt nätverk, där två separata områden av magneten - två konstgjorda synapser - var länkade. Rasing:"Vi har visat att det är möjligt att bygga ett artificiellt neuralt nätverk med hjälp av magneter, som inte bara lagrar data utan också verkligen kan klassificera mönster och visa inlärningsbeteende. "

Forskarna vill nu undersöka om de kan bygga större neurala nätverk efter detta tillvägagångssätt. "Just nu, det neurala nätverket lär sig av feedback som den får från en extern dator. På längre sikt, vi hoppas kunna hitta en fysisk princip för att implementera feedbacken i själva materialet. Detta skulle ha en betydande inverkan på hur artificiella neurala nätverk skulle kunna tillämpas i vårt samhälle, "Säger Mentink.