Istraživači su stvorili atomski tanke veštačke neurone sposobne da obrađuju i svetlosne i električne signale za računarstvo. Ovaj materijal omogućava istovremeno postojanje odvojenih puteva za usmeravanje i povratnu spregu unutar neuronske mreže, povećavajući sposobnost rešavanja složenih problema.
Decenijama naučnici istražuju kako da ponovo stvore raznovrsne računarske sposobnosti bioloških neurona da bi razvili brže i energetski efikasnije sisteme mašinskog učenja. Jedan obećavajući pristup uključuje upotrebu memristora: elektronskih komponenti sposobnih da memorišu vrednost modifikujući svoju provodljivost i zatim koriste tu vrednost za obradu u memoriji.
Međutim, ključni izazov za repliciranje složenih procesa bioloških neurona i mozga pomoću memristora bila je teškoća u integraciji neuronskih signala unapred i povratne sprege. Ovi mehanizmi podržavaju našu kognitivnu sposobnost da učimo složene zadatke, koristeći nagrade i greške.
Tim istraživača sa Univerziteta u Oksfordu, IBM Research Europe i Univerziteta u Teksasu, najavio je važan podvig: razvoj atomski tankih veštačkih neurona stvorenih slaganjem dvodimenzionalnih (2D) materijala. Rezultati su objavljeni u časopisu Nature Nanotechnologi.
U studiji, istraživači su proširili funkcionalnost elektronskih memristora tako što su ih učinili osetljivim na optičke i električne signale. Ovo je omogućilo istovremeno postojanje odvojenih fidforvard i feedback putanja unutar mreže. Napredak je omogućio timu da stvori neuronske mreže za koje pobednik uzima sve: programe za računarsko učenje sa potencijalom za rešavanje složenih problema u mašinskom učenju, kao što je učenje bez nadzora u grupisanju i problemi kombinatorne optimizacije.
2D materijali se sastoje od samo nekoliko slojeva atoma, a ova fina skala im daje različita egzotična svojstva, koja se mogu fino podesiti u zavisnosti od toga kako su materijali slojeviti. U ovoj studiji, istraživači su koristili snop od tri 2D materijala — grafena, molibden disulfida i volframovog disulfida — da bi napravili uređaj koji pokazuje promenu u njegovoj provodljivosti u zavisnosti od snage i trajanja svetlosti/električnosti koja je obasjana.
Za razliku od digitalnih uređaja za skladištenje, ovi uređaji su analogni i funkcionišu slično sinapsama i neuronima u našem biološkom mozgu. Analogna karakteristika omogućava proračune, gde niz električnih ili optičkih signala poslatih uređaju proizvodi postepene promene u količini uskladištenog elektronskog naboja. Ovaj proces čini osnovu za granične režime za neuronske proračune, analogno načinu na koji naš mozak obrađuje kombinaciju ekscitatornih i inhibitornih signala.
Vodeći autor dr. Ghazi Sarvat Sied, član istraživačkog osoblja u IBM Research Europe Svitzerland, rekao je: „Ovo je veoma uzbudljiv razvoj. Naša studija je uvela novi koncept koji prevazilazi fiksnu operaciju unapred koja se obično koristi u trenutnim veštačkim neuronskim mrežama. Osim toga potencijalnim primenama u hardveru veštačke inteligencije, ovi trenutni rezultati dokazivanja principa pokazuju važan naučni napredak u širim oblastima neuromorfnog inženjeringa i algoritama, omogućavajući nam da bolje oponašamo i razumemo mozak.“
Dr Sied i dr Iingkiu Zhou (koji su bili DPhil studenti i kolege iz laboratorije na Oksfordu) su sproveli eksperimentalni rad. Prema dr Džou, sada postdoktorskom istraživaču na Tehničkom univerzitetu u Danskoj, njihova primena obuhvata osnovne komponente biološkog neurona kroz optoelektronsku fiziku niskodimenzionalnih sistema.
Oni primećuju da smo kreirali atomski nagle poluprovodničke spojeve kroz dizajn našeg heterostrukturnog niza. Gomila, konkretno, isporučuje heterospojnicu koja deluje kao neuronska membrana, dok grafenske elektrode koje kontaktiraju heterospoj služe kao neuronska soma. Na ovaj način neuronsko stanje je predstavljeno u somi, ali modifikovano promenama na membrani, baš kao i kod stvarnih neurona.
Kako je napredak aplikacija veštačke inteligencije eksponencijalno rastao, potrebna je računarska snaga nadmašila razvoj novog hardvera zasnovanog na tradicionalnim procesorima. Postoji hitna potreba za istraživanjem novih tehnika, uključujući rad ko-vodećeg autora profesora Harish Bhaskaran u Laboratoriji za napredne nanorazmjere, Univerzitet u Oksfordu, i IBM Research Cirih laboratoriji.
Profesor Bhaskaran je rekao: „Cela ova oblast je super uzbudljiva, jer inovacije materijala, inovacije uređaja i novi uvidi u to kako se mogu kreativno primeniti moraju da se spoje. Ovaj rad predstavlja novi komplet alata, koji istražuje moć 2D materijala, ne u tranzistorima, već za nove računarske paradigme.“
Koautor, profesor Džejmi Vorner, sa Univerziteta Teksas u Ostinu, rekao je: „O upotrebi ovakvih 2D struktura u računarstvu se govori godinama, ali tek sada konačno vidimo isplativost nakon što smo proveli više od sedam godina u razvoju. Sastavljanjem 2D monoslojeve veličine pločice u složene ultratanke optoelektronske uređaje, ovo će omogućiti početak novih pristupa obradi informacija koristeći 2D materijale zasnovane na industrijski skalabilnim metodama proizvodnje.“
„Naši nalazi su više istraživačke prirode nego stvarne demonstracije na nivou sistema“, kaže dr Sajed. „Iako imamo za cilj da proširimo ovaj koncept u budućnosti, uvereni smo da naši trenutni rezultati dokazivanja principa pokazuju važan naučni interes u širim oblastima neuromorfnog inženjeringa, omogućavajući nam da bolje oponašamo i razumemo mozak.“
Profesor Bhaskaran ističe da su uzbudljivi istraživački razvoji važni za buduće inovacije, ali to nije tehnologija koju bi trebalo očekivati u njihovim mobilnim telefonima u naredne dve godine.
