KAIST-forskare tillverkade en hjärninspirerad mycket skalbar neuromorf hårdvara genom att samintegrera enskilda transistorneuroner och synapser. Genom att använda standard kiselkomplementär metall-oxid-halvledarteknik (CMOS), den neuromorfa hårdvaran förväntas minska chipkostnaden och förenkla tillverkningsprocedurerna.

Forskargruppen ledd av Yang-Kyu Choi och Sung-Yool Choi producerade neuroner och synapser baserade på en enda transistor för mycket skalbar neuromorf hårdvara och visade förmågan att känna igen text och ansiktsbilder. Denna forskning presenterades i Science Advances den 4 augusti.

Neuromorf hårdvara har väckt stor uppmärksamhet på grund av dess artificiella intelligensfunktioner, men förbrukar ultralåg effekt på mindre än 20 watt genom att efterlikna den mänskliga hjärnan. För att få neuromorf hårdvara att fungera, en neuron som genererar en spik när en viss signal integreras, och en synaps som minns kopplingen mellan två neuroner är nödvändig, precis som den biologiska hjärnan. Dock, eftersom neuroner och synapser konstruerade på digitala eller analoga kretsar upptar ett stort utrymme, det finns en gräns vad gäller hårdvarueffektivitet och kostnader. Eftersom den mänskliga hjärnan består av cirka 10 ¹¹ neuroner och 10 ¹⁴ synapser, det är nödvändigt att förbättra hårdvarukostnaden för att kunna tillämpa den på mobila och IoT-enheter.

För att lösa problemet, forskargruppen efterliknade beteendet hos biologiska neuroner och synapser med en enda transistor, och samintegrerade dem på en 8-tums wafer. De tillverkade neuromorfa transistorerna har samma struktur som de transistorer för minne och logik som för närvarande massproduceras. Dessutom, de neuromorfa transistorerna visade för första gången att de kan implementeras med en "Janus-struktur" som fungerar som både neuron och synaps, precis som mynt har huvud och svans.

Professor Yang-Kyu Choi sa att detta arbete dramatiskt kan minska hårdvarukostnaden genom att ersätta neuroner och synapser som var baserade på komplexa digitala och analoga kretsar med en enda transistor. "Vi har visat att neuroner och synapser kan implementeras med en enda transistor, " sa Joon-Kyu Han, första författaren. "Genom att samintegrera enskilda transistorneuroner och synapser på samma wafer med en standard CMOS-process, hårdvarukostnaden för den neuromorfa hårdvaran har förbättrats, som kommer att påskynda kommersialiseringen av neuromorf hårdvara, " Han tillade. Den här forskningen stöddes av National Research Foundation (NRF) och IC Design Education Center (IDEC).