{{{sourceTextContent.title}}}

Una sinapsi artificiale forza ultra basso per la computazione della neurale-rete

{{{sourceTextContent.subTitle}}}

il dispositivo del tipo di cervello con 500 stati invece del file binario ha potuto l'un giorno comunicare con i neuroni in tensione, fondenti i computer con il cervello

{{{sourceTextContent.description}}}

I ricercatori di Sandia National Laboratories e di Stanford University hanno sviluppato una sinapsi artificiale organica basata su una nuova progettazione di memristor (dispositivo di memoria resistente) che imita il modo che le sinapsi nel cervello imparano. La nuova sinapsi artificiale potrebbe condurre ai computer che migliorano per ricreare il modo le informazioni di processi del cervello umano. Potrebbe inoltre un'interfaccia del giorno direttamente con il cervello umano.

La nuova sinapsi artificiale è un dispositivo organico neuromorphic elettrochimico («ENODe ") definito — progettazione ionica/elettronica che è fondamentalmente differente da attuale ed altri dispositivi di memoria resistenti proposti, che sono limitati da rumore, richiesto su scriva la tensione e un altro factors* misto, la nota dei ricercatori in un 20 febbraio online pubblicato di carta in Nature Materials.

Come un percorso neurale in un cervello che è rinforzato con l'apprendimento, la sinapsi artificiale è programmata scaricandolo e ricaricando ripetutamente. Con questo addestramento, i ricercatori hanno potuti predire all'interno di 1 per cento di incerto che tensione sarà richiesta per arrivare la sinapsi ad uno stato elettrico specifico e, una volta, rimane a quello stato.

«Il meccanismo di lavoro di ENODes è rievocativo di quello delle sinapsi naturali, dove i neurotrasmettitori si diffondono attraverso lo spacco, inducendo la depolarizzazione dovuto la penetrazione dello ione nel neurone postsinaptico,» i ricercatori spiega nella carta. «Al contrario, l'altro commutatore di dispositivi memristive fondendo i materiali relativamente alle temperature elevate (PCM) o tramite da formazione indotta da tensione filamento/di ripartizione e diffusione dello ione negli strati densi dell'ossido (FFMOs).»

Il ENODe raggiunge i risparmi energetici significativi ** in due modi:

A differenza di un computer convenzionale, in cui conservate il vostro lavoro al disco rigido prima che lo spegniate, la sinapsi artificiale può ricordare la sua programmazione senza alcune azioni o parti supplementari. La computazione tradizionale richiede memorizzarla poi e le informazioni esclusivamente di elaborazione nella memoria. Qui, l'elaborazione crea la memoria.

Quando impariamo, i segnali elettrici sono inviati fra i neuroni nel nostro cervello. La maggior parte della energia è necessaria la prima volta una sinapsi è attraversata. Ogni volta che in seguito, il collegamento richiede meno energia. Ciò è come le sinapsi facilitano efficientemente sia imparare qualche cosa di nuovo che ricordarsi che cosa abbiamo imparato. La sinapsi artificiale, a differenza della maggior parte delle altre versioni di computazione del tipo di cervello, inoltre compie simultaneamente queste due mansioni ed agisce in tal modo con i risparmi energetici sostanziali.

«Sempre più, i generi di mansioni che invitare i nostri dispositivi di calcolo a fare per richiedere la computazione che imita il cervello perché usando la computazione tradizionale per eseguire queste mansioni sta diventando realmente affamato di potere,» ha detto il A. Alec Talin, membro distinto del personale tecnico a Sandia National Laboratories in Livermore, nella California ed in autore co-senior della carta. «Abbiamo dimostrato un dispositivo che è ideale per correre questo tipo di algoritmi e quello consuma molto meno potere.»

Un computer del tipo di cervello futuro con 500 stati

Soltanto una sinapsi artificiale è stata prodotta finora, ma i ricercatori a Sandia hanno usato 15.000 misure per simulare come una matrice di loro avrebbe funzionato in una rete neurale. Hanno verificato la capacità della rete simulata di riconoscere la scrittura delle cifre da 0 a 9. provati su tre gruppi di dati, la matrice simulata potevano identificare le cifre scritte a mano con un'accuratezza fra 93 - 97 per cento.

Questa sinapsi artificiale può l'un giorno fa parte di un computer del tipo di cervello, in grado di essere particolarmente utile per l'elaborazione dei segnali visivi ed uditivi, come in ad interfacce controllate a voce ed automobili driverless, ma senza hardware consumatore di energia.

Questo dispositivo è inoltre ben adattato per il genere di identificazione e di classificazione del segnale che i computer tradizionali lottano per eseguire. Considerando che i transistor digitali possono essere in soltanto due stati, come 0 e 1, i ricercatori hanno programmato con successo 500 stati nella sinapsi artificiale, che è utile per i modelli di calcolo neurone tipi. Nel passare da uno stato ad un altro che abbiano usato circa un decimo come molta energia come sistema informatico avanzato deve muovere i dati dall'unità di elaborazione verso la memoria.

Tuttavia, questa è ancora circa 10.000 volte come molta energia come il minimo che una sinapsi biologica deve per infornare **. I ricercatori sperano di raggiungere dei il rendimenti energetici livello del neurone una volta che provano la sinapsi artificiale in più piccoli dispositivi.

Collegamento per vivere i neuroni organici

Questa nuova sinapsi artificiale può l'un giorno fa parte di un computer del tipo di cervello, in grado di essere particolarmente utile per la computazione che impianti con i segnali visivi ed uditivi. Gli esempi di questo sono veduti in ad interfacce controllate a voce ed automobili driverless. Gli sforzi passati in questo campo hanno prodotto le reti neurali ad alto rendimento di sostegno dagli algoritmi artificialmente intelligenti ma questi dipendono da hardware tradizionale consumatore di energia.

Ogni parte del dispositivo è fatta dei materiali organici economici. Questi non sono trovati in natura ma in gran parte sono composte di idrogeno e di carbonio e sono compatibili con la chimica del cervello. Le cellule si sono sviluppate su questi materiali ed anche sono state usate per fare le pompe artificiali per i trasmettitori neurali. Le tensioni di commutazione applicate per preparare la sinapsi artificiale (circa 0,5 sistemi MV) sono inoltre le stesse come quelle che si muovono tramite i neuroni umani — circa 1.000 volte più in basso del «scrive» la tensione per un memristor tipico.

Quello significa che è possibile che la sinapsi artificiale potrebbe comunicare con i neuroni in tensione, conducenti alle interfacce migliori della cervello-macchina. La morbidezza e la flessibilità del dispositivo inoltre si presta a essere utilizzato negli ambienti biologici.

Questa ricerca è stata costituita un fondo per dal National Science Foundation, i fondi dello studioso della facoltà di Keck, il Neurofab a Stanford, Stanford Graduate Fellowship, il programma diretto in laboratorio di ricerca e sviluppo di Sandia, il Dipartimento per l'energia di Stati Uniti, Holland Scholarship, l'università di borsa di studio per gli studenti eccellenti, Hendrik Muller National Fund, il fondamento di Outeren del Schimmel-furgone di Schuurman, il fondamento di Renswoude (L'aia e Delft), Marco Polo Fund, il Instituto Nacional de Ciência la e Tecnologia/Instituto Nacional de Eletrônica Orgânica di Groninga nel Brasile, il à Pesquisa di Fundação de Amparo fa Estado il de São Paulo ed il Consiglio Nazionale brasiliano.

* «un dispositivo di memoria resistente ancora non è stato dimostrato con le caratteristiche elettriche adeguate completamente per realizzare i guadagni della prestazione e di efficienza di un'architettura neurale. I memristors avanzati soffrono da eccessivo scrivono il rumore, scrivono le non linearità e su scrivono le tensioni e le correnti. La riduzione del rumore ed abbassare la tensione di commutazione inferiore a 0,3 V (~10 kT) in un dispositivo del due-terminale senza compromettere la conservazione a lungo termine di dati hanno provato significativamente difficile.» … I dispositivi memristive organici recentemente sono stati proposti, ma sono limitati «dalla cinetica lenta della diffusione dello ione attraverso un polimero per conservare i loro stati o su stoccaggio della tassa in nanoparticelle del metallo, che inerentemente limita la prestazione e la stabilità.» — Yoeri van de Burgt et al., Nature Materials

** ENODe commuta a bassa tensione e ad energia (< 10 pJ per i dispositivi di 1000 quadrato-micrometri), confrontate ad un ∼ stimato 1-100 FJ per evento sinaptico per il cervello umano.

Estratto di un dispositivo elettrochimico organico non volatile come sinapsi artificiale a bassa tensione per la computazione neuromorphic

Il cervello è capace di elaborazione delle informazioni in maniera massiccia parallela mentre consuma soltanto ~1-100 il   FJ per evento sinaptico. Ispirato dall'efficienza del cervello, le architetture e i memristors neurali CMOS basati stanno sviluppandi per riconoscimento di forme e l'apprendimento automatico. Tuttavia, la volatilità, le tensioni di complessità di progettazione e di alto rifornimento per le architetture di CMOS e la commutazione stocastica ed energia-costosa dei memristors complicano il percorso per raggiungere l'interconnessione, la densità di informazioni ed il rendimento energetico del cervello facendo uso di qualsiasi approccio. Qui descriviamo un dispositivo organico neuromorphic elettrochimico (ENODe) che funziona con un meccanismo fondamentalmente diverso dai memristors attuali. ENODe commuta a bassa tensione e ad energia (<10   pJ per 103 dispositivi del   μm2), visualizza gli stati distinti e non volatili di >500 di conduttanza all'interno ~1 di una gamma del   V e raggiunge l'alta accuratezza di classificazione una volta implementato nelle simulazioni di rete neurale. ENODes di plastica inoltre è fabbricato sui substrati flessibili permettendo all'integrazione di funzionalità neuromorphic nei sistemi elettronici stretchable. La flessibilità meccanica rende ENODes compatibile con le architetture tridimensionali, aprenti un percorso verso interconnessione estrema comparabile al cervello umano.