Naarmate de vooruitgang in traditioneel computergebruik vertraagt, komen nieuwe vormen van computergebruik op de voorgrond. Bij Penn State probeert een team van ingenieurs een soort computergebruik te pionieren dat de efficiëntie van de neurale netwerken van de hersenen nabootst en tegelijkertijd de analoge aard van de hersenen exploiteert.
Moderne computers zijn digitaal en bestaan uit twee toestanden, aan-uit of één en nul. Een analoge computer heeft, net als de hersenen, veel mogelijke toestanden. Het is het verschil tussen het in- of uitschakelen van een lichtschakelaar en het draaien van een dimmer naar verschillende hoeveelheden verlichting.
Volgens Saptarshi Das, de teamleider en Penn State assistent-professor in technische wetenschappen en mechanica, wordt al meer dan 40 jaar onderzoek gedaan naar neuromorfe of op de hersenen geïnspireerde computers. Nieuw is dat nu de grenzen van digitaal computergebruik zijn bereikt, de behoefte aan snelle beeldverwerking, bijvoorbeeld voor zelfrijdende auto’s, is toegenomen. De opkomst van big data, waarvoor soorten patroonherkenning nodig zijn waarvoor de hersenarchitectuur bijzonder geschikt is, is een andere motor in de zoektocht naar neuromorfisch computergebruik.
“We hebben krachtige computers, daar bestaat geen twijfel over, het probleem is dat je het geheugen op de ene plek moet opslaan en de computer ergens anders moet doen”, zei Das.
Het pendelen van deze gegevens van geheugen naar logica en weer terug kost veel energie en vertraagt de computersnelheid. Bovendien vereist deze computerarchitectuur veel ruimte. Als de berekening en de geheugenopslag zich in dezelfde ruimte zouden kunnen bevinden, zou dit knelpunt kunnen worden weggenomen.
“We creëren kunstmatige neurale netwerken die proberen de energie- en gebiedsefficiëntie van de hersenen na te bootsen”, legt Thomas Shranghamer uit, een doctoraatsstudent in de Das-groep en eerste auteur van een artikel dat onlangs is gepubliceerd in Nature Communications. “Het brein is zo compact dat het op je schouders past, terwijl een moderne supercomputer een ruimte inneemt ter grootte van twee of drie tennisbanen.”
Net als synapsen die de neuronen in de hersenen verbinden die opnieuw kunnen worden geconfigureerd, kunnen de kunstmatige neurale netwerken die het team aan het bouwen is, opnieuw worden geconfigureerd door een kort elektrisch veld aan te leggen op een plaat grafeen, de één-atomaire dikke laag koolstofatomen. In dit werk tonen ze ten minste 16 mogelijke geheugentoestanden, in tegenstelling tot de twee in de meeste op oxide gebaseerde memristors of geheugenweerstanden.
“Wat we hebben laten zien, is dat we een groot aantal geheugentoestanden nauwkeurig kunnen regelen met behulp van eenvoudige grafeen veldeffecttransistors”, zei Das.
Het team denkt dat het haalbaar is om deze technologie op commerciële schaal op te voeren. Nu veel van de grootste halfgeleiderbedrijven actief bezig zijn met neuromorfe computers, gelooft Das dat ze dit werk interessant zullen vinden.
Naast Das en Shranghamer is de aanvullende auteur van het artikel, getiteld “Graphene Memristive Synapses for High Precision Neuromorphic Computing”, Aaryan Oberoi, doctoraalstudent in technische wetenschappen en mechanica.
Schranghamer, TF, Oberoi, A. & Das, S. Graphene memristieve synapsen voor zeer nauwkeurige neuromorfe computers. Nat Commun 11, 5474 (2020). doi.org/10.1038/s41467-020-19203-z
Nature Communications
Geleverd door Pennsylvania State University