(Phys.org) – Forskare har föreslagit en ny typ av artificiell neuron som kallas en "straintronic spinneuron" som skulle kunna fungera som den grundläggande enheten för artificiella neurala nätverk – system som modelleras på mänskliga hjärnor som har förmågan att beräkna, lära sig, och anpassa sig. Jämfört med tidigare design, den nya artificiella neuronen är potentiellt storleksordningar mer energieffektiv, mer robust mot termisk nedbrytning, och skjuter i snabbare takt.

Forskarna, Ayan K. Biswas, Professor Jayasimha Atulasimha, och professor Supriyo Bandyopadhyay vid Virginia Commonwealth University i Richmond, har publicerat en artikel om den straintroniska spinneuronen i ett färskt nummer av Nanoteknik .

Som forskarna förklarar, att hitta ett effektivt sätt att efterlikna verkliga neuroner är avgörande för att förverkliga den fulla potentialen hos artificiella neurala nätverk, men denna uppgift har visat sig svår.

"De flesta datorer är digitala till sin natur och bearbetar information med hjälp av boolesk logik, " berättade Bandyopadhyay Phys.org . "Dock, det finns vissa beräkningsuppgifter som är bättre lämpade för "neuromorphic computing, ' som är baserad på hur den mänskliga hjärnan uppfattar och bearbetar information. Detta inspirerade området för artificiella neurala nätverk, som gjorde stora framsteg under det senaste århundradet, men som till slut hindrades av ett återvändsgränd. Elektroniken som används för att implementera artificiella neuroner och synapser använder transistorer och operationsförstärkare, som gör bort enorma mängder energi i form av värme och förbrukar stora mängder utrymme på ett chip. Dessa nackdelar gör termisk hantering på chipet extremt svår och neuromorf datoranvändning mindre attraktiv än den borde vara.

"Lyckligtvis, det finns andra sätt att implementera neuroner, som med magnetiska enheter. Man trodde att magnetiska enheter skulle avleda mycket mindre värme, men vad vi fann är att de inte nödvändigtvis avleder mindre värme under alla omständigheter. Värmeavledningen beror på hur de magnetiska enheterna växlas för att efterlikna en neurons funktion. Om de växlas med ström, vilket är det vanliga tillvägagångssättet, då avleder de inte så mycket mindre värme, och, under vissa omständigheter, kan till och med avleda mer värme än transistorer.

"Dock, det finns ett sätt att byta vissa typer av magneter med mekanisk påkänning som genereras av en elektrisk spänning. Vi fann att om magneter växlas med det tillvägagångssättet, då är de magnetiska neuronerna verkligen mycket mindre dissipativa än både deras transistorbaserade motsvarigheter och strömkopplade magnetiska motsvarigheter. Detta är den 'straintroniska spinneuronen, ' och det kan ge ett uppsving för neuromorfisk informationsbearbetningshårdvara."

Som forskarna förklarar, den föreslagna straintroniska spinneuronen är baserad på en magneto-tunnelövergång, som är en struktur i tre lager som består av en hård nanomagnet, ett distansskikt, och en mjuk magnetostriktiv nanomagnet som sitter ovanpå en piezoelektrisk film. Att applicera spänningspulser på neuronen genererar en spänning i den piezoelektriska filmen, som delvis överförs till den mjuka magnetostriktiva nanomagneten. När töjningen i nanomagneten överskrider ett tröskelvärde, magnetiseringen roterar abrupt, som ändrar resistansen hos magneto-tunnelövergången mellan två stabila tillstånd. Den plötsliga förändringen i spänningen över enheten efterliknar neuronavfyrning.

"Den extraordinära energieffektiviteten hos den straintroniska spinneuronen beror på det faktum att det krävs väldigt lite spänning för att växla magnetiseringen av en mjuk magnetostriktiv nanomagnet som är elastiskt kopplad till en piezoelektrisk film - ett system känt som en "tvåfas multiferroisk" - som så länge den magnetostriktiva nanomagneten är gjord av en speciell klass av material som har mycket hög magnetostriktion, som Terfenol-D, " förklarade forskarna.

Förutom att vara mer energieffektiv, den straintroniska spinneuronen är också mycket mer motståndskraftig mot termiskt brus än strömdrivna spinneuroner. Vid temperaturer över 0 K, termiskt brus skapar ett extra slumpmässigt vridmoment på magnetiseringen av valfri nanomagnet, vilket ökar sannolikheten för att neuronen antingen skjuter innan den når tröskelspänningen eller misslyckas med att skjuta efter att tröskelspänningen har nåtts.

Denna skadliga effekt kan bekämpas genom att öka tröskelströmmen för avfyring (när det gäller strömdrivna spinneuroner) eller tröskelspänningen för avfyring (när det gäller spänningsdrivna straintroniska spinneuroner), men detta kommer också att öka energiförlusten. Här, forskarna visade att avvägningen mellan energieffektivitet och tillförlitlighet gynnar den straintronic spinneuronen överväldigande framför strömdrivna spinneuroner, som beräknas försvinna flera storleksordningar mer energi.

Med dessa fördelar, straintroniska spinneuroner kan ha en mängd olika tillämpningar inom neurala beräkningar.

"Vad vi har studerat är en perceptron, som är en matematisk modell av den artificiella neuronen, " Sade Atulasimha. "Det finns många möjliga tillämpningar av detta i neural beräkning. Ett område vi är intresserade av är spike-timing-beroende plasticitet, som är en form av hebbisk inlärning. Det anses allmänt att det ligger till grund för lärande och informationslagring i hjärnan, och det finns en stor mängd litteratur som handlar om detta. Straintroniska spinneuroner avfyras av spänningsimpulser, och det finns tydliga vägar för att anpassa dem till den spike-timing-beroende plasticitetsmodellen. Vi är också intresserade av karaktärsigenkänning, som använder feed-forward-nätverk och bildkomprimering. Det utesluter inte något annat. Varhelst värmeavledning är en spoiler, den straintroniska spinneuronen kanske kan erbjuda en lösning."

Nästa steg för forskarna kommer att innebära att tillverka de fysiska enheterna.

"Beviset på puddingen finns alltid i ätandet, " sade Biswas. "Förr eller senare, denna enhet måste demonstreras experimentellt. Vår grupp har experimentellt demonstrerat växling av en magnets magnetisering med töjning i många olika system och vi kommer att sträva efter att demonstrera den straintroniska spinneuronen i framtiden."

© 2015 Phys.org