"Öğrenebilen" süper iletken yapay sinapslar: nöromorfik hesaplamaları daha hızlı ve daha enerji verimli hale getirin!
Kılavuz
Son zamanlarda, Ulusal Standartlar ve Teknoloji Enstitüsü'ndeki (NIST) araştırmacılar, yapay sinaps olarak da bilinen bir süper iletken anahtar oluşturdular. Biyolojik bir sistem gibi "öğrenebilir" ve bir işlemciye bağlanabilir ve gelecekteki beyin benzeri bilgisayarlarda hafıza depolayabilir.
arka fon
İnsan beyni çok güçlü bir hesaplama gücüne sahiptir ve karmaşıklığı ve işlem gücü en gelişmiş süper bilgisayarların çok üzerindedir. Peki beyin nasıl bu kadar güçlü bir hesaplama gücüne sahip?
İşte herkes için kısa bir açıklama. Şekilde görüldüğü gibi beyin hesaplamalar yaparken nöronlar arasında elektrokimyasal sinyaller iletir.
(Resim kaynağı: NIST)
Bu sinyallerin iletimi, sinaps olan bir anahtar bağlantı yapısı tarafından kontrol edilir.
(Resim kaynağı: NIST)
Sinapsların algılanması, postsinaptik nöronların sinyallere yanıt verip vermeyeceğini belirler.
(Resim kaynağı: NIST)
Sinyal yeterince güçlü değilse postsinaptik sinir hücreleri yanıt vermez. Ne kadar çok sinyal gönderilirse, sinapsların duyarlılığı güçlenecek, böylece sinapsların öğrenme yeteneği olacaktır.
İnsan beyni iki ana bileşenden oluşur: nöronal ağ ve sinaps. Makinelerle karşılaştırıldığında önemli avantajları vardır: birincisi, paralel işleme ve büyük miktarda verinin depolanması; ikincisi, paralel işlemenin enerji tüketimi son derece düşüktür.
Nöromorfik hesaplamanın gelecekte yapay zekanın önemli bir gelişme yönünü temsil ettiği düşünülüyor ve bilim camiasında büyük ilgi uyandırdı. Geleneksel von Neumann bilgisayar mimarisinden farklı olarak, nöromorfik hesaplama insan beyninden esinlenmiştir, sinir sinapslarını ve nöronları taklit eder ve veri depolama ve veri işlemeden sorumlu bileşenleri aynı çipe entegre eder. Enerji tasarrufu, daha hızlı ve daha verimli veri işleme ve öğrenme.
Daha önce yazar özel bir elektronik cihaz tanıttı: memristor. Sinir sinapslarının ve sinir hücrelerinin işlevlerini taklit edebilir, nöromorfik hesaplamaları başlatabilir ve enerji tüketimi ve boyutunda avantajları vardır. Memristorların yenilikçi araştırma sonuçları ile ilgili olarak, daha önce birçok vaka tanıtıldı. Örneğin, birkaç gün önce yazar, Ulusal Standartlar ve Teknoloji Enstitüsü'nden (NIST) bilim adamlarının memristorun dahili çalışma mekanizmasını ortaya çıkardığını açıkladı.
(Resim kaynağı: NIST)
Yenilikçilik
Bugün tanıtmak istediğim yenilik de NIST'den geliyor ve aynı zamanda beyin benzeri bilgisayarlar ve nöromorfik hesaplamalar için kullanılabilen elektronik bir bileşen ama bu sefer artık bir memristor değil.
Son zamanlarda, NIST araştırmacıları biyolojik bir sistem gibi "öğrenebilen" ve bir işlemciye bağlanabilen ve gelecekteki beyin benzeri bilgisayarlarda bellek depolayabilen bir süper iletken anahtar oluşturdu.
Araştırmacılar, süper iletken anahtarı Science Advance dergisinde ayrıntılı olarak açıkladılar. Biyolojideki sinaptik fonksiyona benzeyen yapay sinaps olarak da adlandırılır. Bu araştırma, Intelligence Advanced Research Projects Agency'nin (IARPA) Kriyojenik Hesaplamalı Karmaşıklık Projesi tarafından desteklenmiştir.
teknoloji
Sinaps, beyin hücreleri arasındaki bağlantı veya geçiştir. NIST tarafından üretilen yapay sinaps, 10 mikron çapında metal bir silindirdir, tıpkı gerçek bir sinaps gibi, çünkü çıkış sivri sinyallerini özelleştirmek için giriş elektrik artışlarını işleyebilir. Bu işlem, deneyime veya ortama göre ayarlanabilen esnek bir iç tasarıma dayanmaktadır. Hücreler veya işlemciler arasında ne kadar fazla bilgi aktarılırsa bağlantı o kadar güçlü olur. Bu nedenle, hem gerçek sinapslar hem de yapay sinapslar eski devreleri koruyabilir ve yeni devreler yaratabilir.
NIST sinapsı bir Josephson düğümüdür. Bu Josephson bağlantıları, yalıtkanlarla dolu sandviç bir yapıdır.
(Resim kaynağı: NIST)
Josephson bağlantısından akan akım kritik akımı aştığında, bir voltaj yükselmesi meydana gelecektir. Bu sinapslar standart niyobyum elektrotları kullanır, ancak silikon substratta manganez nanokümeleri ile eşit şekilde doldurulur.
(Resim kaynağı: NIST)
Mikrometre kare başına yaklaşık 20.000 olan nanokümeler, "dönüşlü" minik manyetik şeritler gibidir Bu dönüşün yönü ya rastgele ya da koordinelidir.
(Resim kaynağı: NIST)
Schneider şunları söyledi: "Bunlar özel Josephson bağlantı noktaları. Aynı yöne bakan nano kümelerin sayısını kontrol edebiliriz, bu Josephson bağlantısının süper iletken özelliklerini etkileyecektir."
Giriş akımı tarafından etkinleştirilmesi ve voltaj yükselmeleri üretmeye başlaması dışında, sinapslar süper iletken durumdadır. Araştırmacılar, manyetik alanın sırasını iyileştirmek, yani aynı yöne bakan nanokümelerin sayısını artırmak için manyetik bir alanda akım darbeleri uyguladılar. Bu manyetik alan etkisi, kritik akım seviyesini kademeli olarak düşürerek sabit iletkenler oluşturmayı ve voltaj yükselmeleri oluşturmayı kolaylaştırır. Tüm nanokümeler hizalandığında, kritik akım en düşüktür. Bu işlem aynı zamanda tersine çevrilebilir: bir manyetik alanın yokluğunda, bir darbe uygulamak manyetik alanın düzenini azaltacak ve kritik akımı yükseltecektir. Bu tasarımda, farklı girdiler, beynin çalışma moduna da benzer bir çıkış sinyali üretmek için spin düzenlemesini değiştirir.
Cihaz üretim yöntemini ve çalışma sıcaklığını değiştirmek, sinapsların davranışını da ayarlayabilir. Araştırmacılar, daha küçük nanokümeler yaparak manyetik alanın düzenini artırmak veya azaltmak için gereken darbe enerjisini azaltabilirler. Örneğin, çalışma sıcaklığını eksi 271,15 santigrat dereceden eksi 269,15 santigrat dereceye çıkarmak, daha fazla ve daha yüksek voltaj artışları getirecektir.
Buradaki kilit nokta, sinapsların bilgi işlem için kullanılabilecek büyük sistemler oluşturmak için üç boyutlu uzayda istiflenebilmesidir. NSIT araştırmacıları, sistemin nasıl çalıştığını simüle etmek için bir devre modeli oluşturdu.
değer
NIST'in yapay sinapsı gerçek sinapslardan daha iyidir. Bilgiyi insan beyninden daha hızlı ileterek saniyede 1 milyar defaya ulaşırken, insan beyni hücreleri saniyede 50 kez kullanır ve çok az enerji kullanır. İnsan sinapsının binde biri. Teknik açıdan, tepe darbe enerjisi, oda sıcaklığında arka plan enerjisinden daha düşük olan ve iki atomu bağlamak için gereken kimyasal enerjiye eşdeğer olan 1 × 10-18 joule'den (attojoule) azdır.
NIST fizikçisi Mike Schneider, "NIST sinapsları insan beyninden daha düşük enerji gerektirir ve henüz daha az enerji gerektiren başka herhangi bir yapay sinaps keşfetmedik" dedi.
Bu yeni sinaps, elektriği dirençsiz olarak iletebilen süper iletken elemanlardan oluşan nöromorfik bir bilgisayarda kullanılacak, bu nedenle diğer yarı iletken veya yazılım tabanlı tasarımlardan daha verimli olacak. Veriler manyetik akı biriminde iletilecek, işlenecek ve saklanacaktır. İnsan beyin hücrelerini taklit eden süper iletken cihazlar ve iletim hatları geliştirildi, ancak şimdiye kadar verimli sinapslar (anahtar bileşenler) eksikti. İnsan beyni, sahne tanıma gibi görevlerde çok iyidir çünkü verileri sıralı ve eşzamanlı olarak işler ve sistemdeki anıları sinapslarda depolar. Geleneksel bilgisayarlar verileri yalnızca sırayla işleyebilir ve belleği ayrı bir birimde depolayabilir.
Makaleye göre, NIST'in sinapsları küçük boyutlu, ultra hızlı sivri uçları, düşük enerjiyi ve üç boyutlu istifleme yeteneklerini birleştiriyor ve diğer teknolojilerle gösterilen nöromorfik sistemlerden daha iyi olan yeni bir nöromorfik sistem inşa etmenin bir yolunu sağlayacak. Sistem daha karmaşık.
Bu araştırma, mevcut nöromorfik bilgisayarların eksikliklerini gideriyor. Yeni yapay zekanın geleceğine bakan bu bilgisayar, kendi kendine giden arabaların bilişini ve karar vermesini ve kanser teşhisini geliştirecek.
Anahtar kelime
Sinir ağı, yapay zeka, süperiletkenlik
Referans
[1] https://www.nist.gov/news-events/news/2018/01/nists-superconducting-synapse-may-be-missing-piece-art artificial-brains
2 M.L. Schneider, C.A. Donnelly, S.E. Russek, B. Baek, M.R. Pufall, P.F. Hopkins, P.D. Dresselhaus, S. P. Benz ve W.H. Rippard. Nano dokulu manyetik Josephson bağlantılarını kullanan ultra düşük güçlü yapay sinapslar . Science Advances, 2018 DOI: 10.1126 / sciadv.1701329
