Credito:Korea Institute of Science and Technology (KIST)
La tecnologia del sistema di calcolo neuromorfico che imita il cervello umano deve superare la limitazione del consumo eccessivo di energia, che è caratteristica del metodo di calcolo von Neumann esistente. Un dispositivo di sinapsi artificiale analogico ad alte prestazioni in grado di esprimere la forza della connessione della sinapsi è necessario per implementare un dispositivo a semiconduttore che utilizzi un metodo di trasmissione delle informazioni del cervello. Questo metodo utilizza i segnali trasmessi tra i neuroni quando un neurone genera un segnale di picco.
Tuttavia, con i dispositivi di memoria a resistenza variabile convenzionali ampiamente utilizzati come sinapsi artificiali, poiché il filamento cresce con resistenza variabile, il campo elettrico aumenta, provocando un fenomeno di feedback, con conseguente rapida crescita del filamento. Pertanto, è difficile implementare la plasticità mantenendo la variazione di resistenza analogica (graduale) relativa al tipo di filamento.
Il Korea Institute of Science and Technology, guidato dal team del Dr. YeonJoo Jeong presso il Center for Neuromorphic Engineering, ha risolto i limiti delle caratteristiche sinaptiche analogiche, della plasticità e della conservazione delle informazioni, che sono ostacoli cronici riguardanti i memristori, i dispositivi neuromorfici a semiconduttore. Ha annunciato lo sviluppo di un dispositivo semiconduttore sinaptico artificiale in grado di eseguire calcoli neuromorfici altamente affidabili.
Il team di ricerca KIST ha messo a punto le proprietà redox degli ioni degli elettrodi attivi per risolvere piccoli problemi di plasticità sinaptica che ostacolano le prestazioni dei dispositivi semiconduttori neuromorfici esistenti. Inoltre, i metalli di transizione sono stati drogati e utilizzati nel dispositivo sinaptico, controllando la probabilità di riduzione degli ioni degli elettrodi attivi. Gli ingegneri hanno scoperto che l'elevata probabilità di riduzione degli ioni è una variabile critica nello sviluppo di dispositivi sinaptici artificiali ad alte prestazioni.
Esempio di tecnologia di elaborazione delle informazioni visive che utilizza il dispositivo sinaptico artificiale, a conferma che il tasso di errore è ridotto di oltre il 60% migliorando le prestazioni del dispositivo. Credito:Korea Institute of Science and Technology (KIST)
Pertanto, il team di ricerca ha introdotto un metallo di transizione in titanio, con un'elevata probabilità di riduzione degli ioni, in un dispositivo sinaptico artificiale esistente. Ciò mantiene le caratteristiche analogiche della sinapsi e la plasticità del dispositivo alla sinapsi del cervello biologico, circa cinque volte la differenza tra resistenze alte e basse. Inoltre, hanno sviluppato un semiconduttore neuromorfico ad alte prestazioni che è circa 50 volte più efficiente.
Inoltre, a causa della reazione di formazione ad alta lega mostrata dal metallo di transizione al titanio drogato, la ritenzione delle informazioni è aumentata fino a 63 volte rispetto al dispositivo sinaptico artificiale esistente. Inoltre, le funzioni cerebrali, incluso il potenziamento a lungo termine e la depressione a lungo termine, potrebbero essere simulate con maggiore precisione.
Il team ha implementato un modello di apprendimento della rete neurale artificiale utilizzando il dispositivo sinaptico artificiale sviluppato e ha tentato l'apprendimento del riconoscimento delle immagini con intelligenza artificiale. Il tasso di errore è stato ridotto di oltre il 60% rispetto al dispositivo sinaptico artificiale esistente; inoltre, l'accuratezza del riconoscimento del pattern dell'immagine della scrittura (MNIST) è aumentata di oltre il 69%. Il team di ricerca ha confermato la fattibilità di un sistema di calcolo neuromorfico ad alte prestazioni attraverso il miglioramento del dispositivo sinaptico artificiale.
Fotografie di (a) collettore di energia solare, (b) sistema di distillazione a membrana. Credito:Korea Institute of Science and Technology (KIST)
Il Dr. Jeong del KIST ha affermato:"Questo studio ha migliorato drasticamente la gamma sinaptica di movimento e la conservazione delle informazioni, che erano le maggiori barriere tecniche delle imitazioni sinaptiche esistenti. Nel dispositivo di sinapsi artificiale sviluppato, l'area operativa analogica del dispositivo per esprimere le varie connessioni della sinapsi i punti di forza sono stati massimizzati, quindi le prestazioni del calcolo dell'intelligenza artificiale basato sulla simulazione del cervello saranno migliorate.
"Nella ricerca di follow-up, produrremo un chip semiconduttore neuromorfo basato sul dispositivo di sinapsi artificiale sviluppato per realizzare un sistema di intelligenza artificiale ad alte prestazioni, migliorando così ulteriormente la competitività nel sistema domestico e nel campo dei semiconduttori di intelligenza artificiale."
La ricerca è stata pubblicata su Nature Communications . + Esplora ulteriormente
