Kiinalainen tiimi on luonut aivojen arkkitehtuurista inspiraationsa saaneen sirun.
Fudanin yliopiston tutkijat esittelivät laitteen, joka jäljittelee biologisten neuronien toimintaa ja voi toimia perustana uuden sukupolven energiatehokkaille laskentajärjestelmille. Kehitys perustuu ultrahienoon puolijohdemateriaaliin – molybdeenidisulfidiin (MoS₂) – ja yhdistää dynaamisen operatiivisen muistin (DRAM) ja erityiset elektroniset piirit.
Kiinnostus niin kutsuttua neuromorfista laskentatehoa kohtaan kasvaa tekoälyn kehityksen myötä. Toisin kuin perinteiset sirut, tällaiset järjestelmät pyrkivät jäljittelemään aivojen rakennetta ja toimintaa: keinotekoiset neuronit muodostavat yhteyksiä, jotka voivat ajan myötä vahvistua tai heikentyä. Tämä prosessi muistuttaa synaptista plastisuutta – aivojen kykyä sopeutua kokemusten ja oppimisen vaikutuksesta. Tämän lähestymistavan ansiosta koneoppimisalgoritmit voidaan käynnistää nopeammin ja samalla kuluttaa vähemmän energiaa.
Kiinassa kehitetty keinotekoinen neuroni koostuu kahdesta avainelementistä: DRAM-muistista, jossa sähkövaraus tallennetaan pieniin kondensaattoreihin, ja invertteripiiristä, joka muuttaa korkean signaalin matalaksi ja päinvastoin. Tällainen yhdistelmä mahdollistaa sähköimpulssien ”laukaisun”, joka on samanlainen kuin elävissä neuroneissa niiden aktivoituessa.
Tutkijat huomauttavat, että heidän laitteensa voi paitsi jäljitellä neuronien kalvojen toimintaa, myös säätää herkkyyttä valolle, kuten ihmisen näköjärjestelmä.
Osoittaakseen laitteen mahdollisuudet tutkijat kokosivat yhdeksän keinotekoisen neuronin joukon 3×3-ruudukon muotoon ja testasivat, miten se reagoi valaistuksen muutoksiin. Sitten samaa järjestelmää käytettiin kuvien tunnistamiseen testimallissa.
Tulokset olivat lupaavia: keinotekoinen hermosolu osoitti korkeaa energiatehokkuutta ja kykyä sopeutua olosuhteisiin, mikä on erityisen tärkeää tietokoneen näkö- ja kuvankäsittelytehtävissä. Tulevaisuudessa tiimi aikoo luoda uuden teknologian pohjalta entistä monimutkaisempia biologisista malleista inspiraationsa saaneita järjestelmiä ja testata niitä muilla laskennan aloilla.
