Digitale berekening heeft ervoor gezorgd dat bijna alle vormen van analoge berekening al sinds de jaren vijftig achterhaald zijn. Echter, er is één grote uitzondering die wedijvert met de rekenkracht van de meest geavanceerde digitale apparaten:het menselijk brein.

Het menselijk brein is een dicht netwerk van neuronen. Elk neuron is verbonden met tienduizenden andere, en ze gebruiken synapsen om voortdurend informatie heen en weer te vuren. Bij elke uitwisseling de hersenen moduleren deze verbindingen om efficiënte paden te creëren in directe reactie op de omgeving. Digitale computers leven in een wereld van enen en nullen. Ze voeren taken opeenvolgend uit, elke stap van hun algoritmen in een vaste volgorde volgen.

Een team van onderzoekers van Pitt's Swanson School of Engineering heeft een "kunstmatige synaps" ontwikkeld die informatie niet verwerkt zoals een digitale computer, maar eerder de analoge manier nabootst waarop het menselijk brein taken uitvoert. Onder leiding van Feng Xiong, assistent-professor elektrische en computertechniek, de onderzoekers publiceerden hun resultaten in het recente nummer van het tijdschrift Geavanceerde materialen (DOI:10.1002/adma.201802353). Zijn mede-auteurs van Pitt zijn onder meer Mohammad Sharbati (eerste auteur), Yanhao Du, Jorge Torres, Nolan Ardolino, en Minhee Yun.

"De analoge aard en het enorme parallellisme van de hersenen zijn deels de reden waarom mensen zelfs de krachtigste computers kunnen overtreffen als het gaat om cognitieve functies van hogere orde, zoals spraakherkenning of patroonherkenning in complexe en gevarieerde datasets, " legt Dr. Xiong uit.

Een opkomend veld genaamd "neuromorphic computing" richt zich op het ontwerp van computerhardware geïnspireerd door het menselijk brein. Dr. Xiong en zijn team bouwden op grafeen gebaseerde kunstmatige synapsen in een tweedimensionale honingraatconfiguratie van koolstofatomen. Dankzij de geleidende eigenschappen van grafeen konden de onderzoekers de elektrische geleiding fijn afstemmen, dat is de sterkte van de synaptische verbinding of het synaptische gewicht. De grafeensynaps vertoonde een uitstekende energie-efficiëntie, net als biologische synapsen.

In de recente heropleving van kunstmatige intelligentie, computers kunnen de hersenen al op bepaalde manieren nabootsen, maar er zijn ongeveer een dozijn digitale apparaten nodig om één analoge synaps na te bootsen. Het menselijk brein heeft honderden biljoenen synapsen voor het verzenden van informatie, dus het bouwen van een brein met digitale apparaten is schijnbaar onmogelijk, of op zijn minst, niet schaalbaar. De aanpak van Xiong Lab biedt een mogelijke route voor de hardware-implementatie van grootschalige kunstmatige neurale netwerken.

Volgens Dr. Xiong, kunstmatige neurale netwerken op basis van de huidige CMOS-technologie (complementary metal-oxide semiconductor) zullen altijd een beperkte functionaliteit hebben in termen van energie-efficiëntie, schaalbaarheid, en pakkingsdichtheid. "Het is echt belangrijk dat we nieuwe apparaatconcepten ontwikkelen voor synaptische elektronica die analoog van aard zijn, energiezuinig, schaalbaar, en geschikt voor grootschalige integraties, " zegt hij. "Onze grafeensynaps lijkt tot nu toe alle vakjes aan te vinken voor deze vereisten."

Met de inherente flexibiliteit en uitstekende mechanische eigenschappen van grafeen, deze op grafeen gebaseerde neurale netwerken kunnen worden gebruikt in flexibele en draagbare elektronica om berekeningen aan de "rand van het internet" mogelijk te maken - plaatsen waar computerapparatuur zoals sensoren contact maken met de fysieke wereld.

"Door zelfs een rudimentair niveau van intelligentie in draagbare elektronica en sensoren te versterken, we kunnen onze gezondheid volgen met slimme sensoren, preventieve zorg en tijdige diagnostiek bieden, de groei van planten volgen en mogelijke plaagproblemen identificeren, en het productieproces reguleren en optimaliseren - waardoor de algehele productiviteit en kwaliteit van leven in onze samenleving aanzienlijk worden verbeterd, " zegt Dr. Xiong.

De ontwikkeling van een kunstmatig brein dat functioneert als het analoge menselijke brein vraagt ​​nog om een ​​aantal doorbraken. Onderzoekers moeten de juiste configuraties vinden om deze nieuwe kunstmatige synapsen te optimaliseren. Ze zullen ze compatibel moeten maken met een reeks andere apparaten om neurale netwerken te vormen, en ze zullen ervoor moeten zorgen dat alle kunstmatige synapsen in een grootschalig neuraal netwerk zich exact op dezelfde manier gedragen. Ondanks de uitdagingen, Dr. Xiong zegt dat hij optimistisch is over de richting die ze uitgaan.

"We zijn behoorlijk enthousiast over deze vooruitgang, omdat het mogelijk kan leiden tot energie-efficiënte, hardware implementatie van neuromorphic computing, die momenteel wordt uitgevoerd in energie-intensieve GPU-clusters. Het lage vermogen van onze kunstmatige synaps en zijn flexibele aard maken het een geschikte kandidaat voor elke vorm van A.I. apparaat, die ons leven zou veranderen, misschien zelfs meer dan de digitale revolutie die we de afgelopen decennia hebben gezien, " zegt Dr. Xiong.