Автор AZoNano 24 сентября 2020 г.

В сентябрьском выпуске журнала Nature ученые из Техасского университета A&M, Hewlett Packard Labs и Стэнфордского университета описали новое наноустройство, которое действует почти идентично клетке мозга. Более того, они показали, что эти синтетические клетки мозга могут быть соединены вместе, чтобы сформировать сложные сети, которые затем могут решать проблемы аналогично мозгу.

«Это первое исследование, в котором мы смогли смоделировать нейрон с помощью всего лишь одного наноразмерного устройства, которому в противном случае потребовались бы сотни транзисторов», – сказал доктор Р. Стэнли Уильямс, старший автор. на учебу и профессор кафедры электротехники и вычислительной техники. «Мы также смогли успешно использовать сети наших искусственных нейронов для решения игрушечных версий реальной проблемы, требующей больших вычислительных ресурсов даже для самых сложных цифровых технологий».

В частности, исследователи продемонстрировали доказательство концепции, согласно которой их вдохновленная мозгом система может определять возможные мутации в вирусе, что очень важно для обеспечения эффективности вакцин и лекарств для штаммов, демонстрирующих генетическое разнообразие.

За последние десятилетия цифровые технологии стали меньше и быстрее в основном из-за достижений в транзисторной технологии. Тем не менее, эти критически важные компоненты схемы быстро приближаются к своему пределу размера, который они могут быть построены, инициируя глобальные усилия по поиску нового типа технологии, которая могла бы дополнить, если не заменить, транзисторы.

Помимо этой проблемы «уменьшения масштаба», цифровые технологии на основе транзисторов имеют и другие хорошо известные проблемы. Например, им сложно найти оптимальные решения, когда им представлены большие наборы данных.

«Давайте рассмотрим знакомый пример поиска кратчайшего маршрута от вашего офиса до вашего дома. Если вам нужно сделать одну остановку, это довольно простая проблема. Но если по какой-то причине вам нужно сделать 15 промежуточных остановок, у вас есть 43 миллиарда маршрутов на выбор », сказал доктор Сухас Кумар, ведущий автор исследования и исследователь в Hewlett Packard Labs. «Теперь это проблема оптимизации, и современные компьютеры не умеют ее решать».

Кумар добавил, что еще одна трудная задача для цифровых машин – это распознавание образов, например идентификация лица как одного лица независимо от точки обзора или распознавание знакомого голоса, скрытого в шуме звуков.

Но задачи, которые могут отправить цифровые машины в вычислительный тупик, – это задачи, в которых мозг преуспевает. Фактически, мозг не только быстро распознает и оптимизирует проблемы, но и потребляет гораздо меньше энергии, чем цифровые системы. Следовательно, имитируя, как мозг решает эти типы задач, Уильямс сказал, что вдохновляемые мозгом или нейроморфные системы потенциально могут преодолеть некоторые вычислительные препятствия, с которыми сталкиваются современные цифровые технологии.

Чтобы построить фундаментальный строительный блок мозга или нейрона, исследователи собрали синтетическое наноразмерное устройство, состоящее из слоев различных неорганических материалов, каждый из которых имеет уникальную функцию. Однако они сказали, что настоящая магия происходит в тонком слое соединения диоксида ниобия.

Когда к этой области прикладывается небольшое напряжение, ее температура начинает повышаться. Но когда температура достигает критического значения, диоксид ниобия претерпевает быстрое изменение личности, превращаясь из изолятора в проводник. Но когда он начинает проводить электрический ток, его температура падает, и диоксид ниобия снова становится изолятором.

Эти возвратно-поступательные переходы позволяют синтетическим устройствам генерировать импульс электрического тока, который очень напоминает профиль электрических всплесков или потенциалов действия, производимых биологическими нейронами. Кроме того, изменяя напряжение на своих синтетических нейронах, исследователи воспроизвели широкий спектр нейронных поведений, наблюдаемых в мозге, таких как длительное, взрывное и хаотическое возбуждение электрических импульсов.

«Захват динамического поведения нейронов – ключевая цель для компьютеров, вдохновленных мозгом», – сказал Кумар. «В общей сложности мы смогли воссоздать около 15 типов нейронных профилей возбуждения, все с использованием одного электрического компонента и при гораздо более низких энергиях по сравнению с схемами на основе транзисторов».

Чтобы оценить, могут ли их синтетические нейроны решать реальные проблемы, исследователи сначала соединили 24 таких наноразмерных устройства в сеть, вдохновленную связями между корой головного мозга и таламусом, хорошо известным нейронным путем, участвующим в распознавании образов. Затем они использовали эту систему для решения игрушечной версии задачи реконструкции квазивидов вируса, когда мутантные варианты вируса идентифицируются без эталонного генома.

Посредством ввода данных исследователи познакомили сеть с короткими фрагментами генов. Затем, запрограммировав силу связей между искусственными нейронами внутри сети, они установили основные правила объединения этих генетических фрагментов. Задача сети, похожая на головоломку, заключалась в том, чтобы составить список мутаций в геноме вируса на основе этих коротких генетических сегментов.

Исследователи обнаружили, что в течение нескольких микросекунд их сеть искусственных нейронов установилась в состоянии, которое указывало на геном мутантного штамма.

Уильямс и Кумар отметили, что этот результат является принципиальным доказательством того, что их нейроморфные системы могут быстро выполнять задачи с низким энергопотреблением.

Исследователи заявили, что следующим шагом в их исследовании будет расширение репертуара проблем, которые могут решить их мозговые сети, путем включения других паттернов возбуждения и некоторых отличительных свойств человеческого мозга, таких как обучение и память. Они также планируют решить проблемы с оборудованием для реализации своей технологии в коммерческих масштабах.

«Расчет государственного долга или решение какого-либо крупномасштабного моделирования – это не та задача, с которой человеческий мозг способен, и поэтому у нас есть цифровые компьютеры. В качестве альтернативы мы можем использовать наши знания о нейронных связях для решения проблемы, в которых мозг исключительно хорош », – сказал Уильямс. «Мы продемонстрировали, что в зависимости от типа проблемы существуют различные и более эффективные способы выполнения вычислений, отличные от традиционных методов с использованием цифровых компьютеров с транзисторами».

Д-р. Зивен Ван из Стэнфордского университета также внес свой вклад в это исследование

Источник: https://engineering.tamu.edu/