En forskargrupp från Tohoku University har utvecklat spintronics-enheter som är lovande för framtida energieffektiva och adoptiva datorsystem, eftersom de beter sig som neuroner och synapser i den mänskliga hjärnan.

Dagens informationssamhälle bygger på digitala datorer som har utvecklats drastiskt under ett halvt sekel och som kan utföra komplicerade uppgifter på ett tillförlitligt sätt. Den mänskliga hjärnan, däremot arbetar med mycket begränsad kraft och kan utföra komplexa uppgifter effektivt med en arkitektur som skiljer sig mycket från den för digitala datorer.

Så utvecklingen av datorsystem eller hårdvara inspirerad av bearbetningen av information i hjärnan är av brett intresse för forskare inom områden som sträcker sig från fysik, kemi, materialvetenskap och matematik, till elektronik och datavetenskap.

Inom datorer, det finns olika sätt att implementera bearbetningen av information i en hjärna. Spiking neuralt nätverk är en slags implementeringsmetod som nära efterliknar hjärnans arkitektur och tidsmässiga informationsbehandling. Framgångsrik implementering av spikande neurala nätverk kräver dedikerad hårdvara med artificiella neuroner och synapser som är designade för att uppvisa dynamiken hos biologiska neuroner och synapser.

Här, den artificiella neuronen och synapsen skulle helst vara gjorda av samma materialsystem och drivs under samma arbetsprincip. Dock, detta har varit en utmanande fråga på grund av den fundamentalt olika naturen hos neuronen och synapsen i biologiska neurala nätverk.

Forskargruppen – som inkluderar professor Hideo Ohno (för närvarande universitetspresident), Docent Shunsuke Fukami, Dr. Aleksandr Kurenkov och professor Yoshihiko Horio – skapade en artificiell neuron och synaps genom att använda spintronics-teknologi. Spintronik är ett akademiskt område som syftar till att samtidigt använda en elektrons elektriska (laddning) och magnetiska (spin) egenskaper.

Forskargruppen hade tidigare utvecklat ett funktionellt materialsystem bestående av antiferromagnetiska och ferromagnetiska material. Den här gången, de förberedde artificiella neuronala och synaptiska enheter mikrotillverkade från materialsystemet, som visade fundamentalt beteende hos biologiska neuroner och synaps – läckande integrera-och-avfyra och spik-timing-beroende plasticitet, respektive — baserat på samma koncept av spintronics.

Det spikande neurala nätverket är känt för att vara fördelaktigt jämfört med dagens artificiella intelligens för bearbetning och förutsägelse av tidsinformation. Utvidgning av den utvecklade tekniken till enhetskretsar, block- och systemnivåer förväntas leda till datorer som kan bearbeta tidsvarierande information som röst och video med en liten mängd power eller edge-enheter som har en förmåga att adoptera användare och miljö genom användning.