"Öğrenen" transistör: beyin benzeri bilgi işlem için kritik bir adım!
Kılavuz
Son zamanlarda, İsveç'teki Linköping Üniversitesi'ndeki bilim adamları, organik malzemelere dayalı yeni bir transistör türü geliştirdiler. Bu transistör öğrenebilir ve kısa süreli ve uzun süreli hafıza işlevlerine sahiptir. Bu araştırma, insan beynini taklit eden bir teknoloji yaratma yolunda önemli bir adımdır.
arka fon
Bugün, Moore sonrası dönem sessizce geldi. Çipteki transistörlerin boyutu küçülüyor ve sayıyı artırma hızı yavaşlıyor.Geleneksel transistörler fiziksel sınırlara yaklaşıyor ve geleneksel bilgisayarlar geliştirme darboğazlarıyla karşılaşıyor.
Bu amaçla, çeşitli ülkelerden bilim adamları, daha iyi performans ve daha fazla enerji tüketimi yaratmak için çeşitli yeni yöntemler (spintronikler gibi), yeni malzemeler (iki boyutlu malzemeler, perovskitler gibi) ve yeni mimariler (nöromorfik hesaplama gibi) keşfetmek için çok çalışıyorlar. Düşük kaliteli yeni nesil bilgisayar.
Beyin benzeri bilgi işlem olarak da bilinen nöromorfik hesaplama, beynin bilgi işleme ve işleme sürecini taklit etmeyi, depolama bileşenlerini ve hesaplama bileşenlerini aynı çipte entegre etmeyi amaçlamaktadır.
Nöromorfik bilgi işlem, geleneksel von Neumann mimarisinin neden olduğu darboğazı aşan yeni bir bilgi işlem mimarisi türüdür: verilerin CPU ile bellek arasında ileri geri hareket etmesi gerekir ve CPU, daha hızlı bir hesaplama hızına ve daha yavaş bir bellek erişim hızına sahiptir. Bu sözde "hafıza duvarı" problemidir.
Nöromorfik bilgi işlem, insan beyninden tasarlanmış ve ilham almıştır. İnsan beyni çok yönlü birbirine bağlı bir durumdadır ve mantıksal işlevleri bellek işlevleriyle yakından ilgilidir. Bilim adamlarına göre, insan beyninin depolama yoğunluğu ve çeşitliliği, çağdaş bilgisayarların milyarlarca katıdır ve şu anda en gelişmiş süper bilgisayarlar insan beyniyle karşılaştırılamaz.
İnsan beyni esas olarak, çok düşük enerji tüketimine paralel olarak büyük miktarda veriyi işleyip depolayabilen nöron ağları ve sinapslardan oluşur. Sinapslar, insan beyninde çok kritik bir rol oynar. Beyin hesaplamalar yaparken, nöronlar arasında elektrokimyasal sinyaller iletilir. Bu sinyallerin iletimi, sinaps olan bir anahtar bağlantı yapısı tarafından kontrol edilir.
(Resim kaynağı: NIST)
Sinapsın duyusal yeteneği, postsinaptik nöronun sinyallere yanıt verip vermeyeceğini belirler. Sinyal yeterince güçlü değilse postsinaptik sinir hücreleri yanıt vermez. Ne kadar çok sinyal gönderilirse, sinapsın duyarlılığı o kadar güçlü olur ve bu da sinapsın öğrenme yeteneğine sahip olmasını sağlar.
(Resim kaynağı: NIST)
İnsan beynine benzer bir hesaplama gücü elde etmek için bilim adamları, süper iletken yapay sinapslara ve diğer çözümlere ek olarak, en önemlisi memristör olan öğrenme işlevlerine sahip cihazlar inşa etmek için sinapsları taklit ediyorlar.
Memristor çip (Resim kaynağı: Southampton Üniversitesi)
Süper iletken yapay sinaps yapısı (resim kaynağı: NIST)
Yenilikçilik
Bugün, sinapsları taklit eden ve öğrenme yeteneğine sahip yeni bir cihaz tanıtmak istiyorum.
Son zamanlarda, İsveç'teki Linköping Üniversitesi'ndeki bilim adamları, organik malzemelere dayalı yeni bir transistör türü geliştirdiler. Bu transistör öğrenebilir ve kısa süreli ve uzun süreli hafıza işlevlerine sahiptir. Bu araştırma, insan beynini taklit eden bir teknoloji yaratma yolunda önemli bir adımdır.
(Resim kaynağı: Thor Balkhed)
Şimdiye kadar beynin benzersizliği, daha önce bağlantının olmadığı yerlerde bağlantılar oluşturabilmesidir. "Advanced Science" dergisinde yayınlanan bir makalede, İsveç'teki Linköping Üniversitesi'ndeki araştırmacılar, giriş ve çıkış arasında yeni bir bağlantı oluşturabilen bir transistörü tanımladılar. Transistörleri, belirli uyaranları çıkış sinyalleri ile ilişkilendirebilen elektronik devrelere entegre ettiler.Köpeklerin öğrenme yetenekleri gibi, köpekler de evcil hayvan maması hazırlamanın sesini duyduklarında yiyeceklerin yolda olduğunu bilirler.
teknoloji
Sıradan bir transistörün çalışma mekanizması, giriş sinyalinin özelliklerine göre çıkış sinyalini yükseltebilen veya bastırabilen bir valf gibidir. Araştırmacılar tarafından geliştirilen organik elektrokimyasal transistörde, transistördeki kanal elektriksel olarak polimerize edilmiş iletken polimerden oluşuyor. Çalışma sırasında hendek oluşturulabilir, büyütülebilir, küçültülebilir veya tamamen ortadan kaldırılabilir. Eğitim aldıktan sonra belirli uyaranlara (belirli giriş sinyalleri) yanıt verebilir. Bu şekilde transistör kanalı daha iletken hale gelir ve çıkış sinyali daha büyük olur.
Northkoping Kampüsü Organik Elektronik Laboratuvarı'nda organik nanoelektronik baş araştırmacısı Simone Fabiano, "Bu, nöromorfik bir cihazın yeni elektronik bileşenlerin gerçek zamanlı oluşumunu ilk kez göstermesidir" dedi.
Transistör kanalındaki polimerizasyon derecesini artırarak, kanal büyümeye devam eder, böylece sinyalleri ileten polimer zincirlerinin sayısı artar. Aksi takdirde malzeme aşırı oksitlenebilir (yüksek voltaj uygulanır) ve kanal inaktif hale gelebilir. İletkenlikteki geçici değişiklikler, "katkı" veya "katkısız" malzemelerle de sağlanabilir.
Transistör kanalı, organik elektronikte en yaygın kullanılan polimer (PEDOT) tarafından değil, bu makalenin yazarlarından biri olan Organik Elektronik Laboratuvarı'ndan Roger Gabrielsson tarafından yeni geliştirilen bir monomer (ETE-S) kullanılarak oluşturulmuştur. Dışarı inşa edildi. ETE-S, bu uygulama için çok uygun olan birkaç özelliğe sahiptir: yeterince uzun bir polimer zinciri oluşturur; suda çözünür (ve polimer formu değildir); polimerleri orta düzeyde katkılama yoluyla üretir. Polimer PETE-S, içsel negatif yük katkılama ile üretilir (pozitif yük taşıyıcılarını dengelemek için kullanılır) ve p-tipi katkılamaya aittir.
değer
Makalenin yazarlarından biri ve organik nanoelektronik alanında doktora sonrası araştırma görevlisi Jennifer Gerasimov şunları söyledi: "Transistörlerin bilgiyi işleme biçiminde kısa vadeli ve uzun vadeli değişiklikler getirebileceğimizi gösterdik, bu da beyin hücrelerinin birbirleriyle iletişim kurma şeklini taklit etmek için çok önemlidir."
Giriş sinyalini değiştirerek, transistörün yanıtının gücü daha geniş bir aralıkta modüle edilebilir ve daha önce bağlantının olmadığı yerlerde bağlantılar oluşturulabilir. İki beyin hücresi arasındaki bir sinaps veya iletişim arayüzü ile karşılaştırılabilir bir transistör verir.
Bu aynı zamanda organik elektroniklerin kullanıldığı makine öğrenimine doğru büyük bir adımı işaret ediyor. Yazılım tabanlı yapay sinir ağları şu anda makine öğreniminde sözde "derin öğrenmeyi" uygulamak için kullanılmaktadır. Yazılımın, tek bir sinapsı taklit etmek için çok sayıda düğüm arasında sinyalleri iletmesi gerekir; bu, önemli bir hesaplama gücüne sahiptir ve bu nedenle önemli ölçüde enerji tüketir.
Jennifer Gerasimov şunları söyledi: "Aynı işlevi elde etmek için elektronik bileşenler kullanan bir donanım geliştirdik. Organik elektrokimyasal transistörlerimiz bu nedenle binlerce sıradan kollektif tüp taşıyabilir. Bu transistörlerin enerji tüketimi iki hücrede insan beynininkine yakın. Aralarında sinyal iletmek için kullanılan enerji. "
Anahtar kelime
Transistörler, sinapslar, nöromorfik hesaplama, makine öğrenimi, organik elektronikReferans
[1] https://liu.se/en/news-item/laraktig-transistor-harmar-hjarnan
[2] Jennifer Y. Gerasimov, Roger Gabrielsson, Robert Forchheimer, Eleni Stavrinidou, Daniel T. Simon, Magnus Berggren, Simone Fabiano. Nöromorfik Uygulamalar için Geliştirilebilir Organik Elektrokimyasal Transistör İleri Bilim, 2019; 1801339 DOI: 10.1002 / advs.201801339
