Terwijl computers kleiner en krachtiger zijn geworden en supercomputers en parallel computing de standaard zijn geworden, we staan ​​op het punt een muur te raken in energie en miniaturisering. Nutsvoorzieningen, Onderzoekers van Penn State hebben een 2D-apparaat ontworpen dat meer dan ja-of-nee-antwoorden kan bieden en meer hersenachtig kan zijn dan de huidige computerarchitecturen.

"De schaalbaarheid van complexiteit neemt ook af als gevolg van de niet-schaalbaarheid van de traditionele Von Neumann-computerarchitectuur en het naderende 'Dark Silicon'-tijdperk dat een ernstige bedreiging vormt voor multi-coreprocessortechnologie, " noteren de onderzoekers in het online nummer van vandaag (13 september) van Natuurcommunicatie .

Het Dark Silicon-tijdperk is tot op zekere hoogte al aangebroken en verwijst naar het onvermogen van alle of de meeste apparaten op een computerchip om tegelijk aan te zetten. Dit gebeurt vanwege te veel warmte die wordt gegenereerd door een enkel apparaat. Von Neumann-architectuur is de standaardstructuur van de meeste moderne computers en is gebaseerd op een digitale benadering - "ja" of "nee" antwoorden - waarbij programma-instructies en gegevens in hetzelfde geheugen worden opgeslagen en hetzelfde communicatiekanaal delen.

"Daarom, gegevensbewerkingen en instructie-acquisitie kunnen niet tegelijkertijd worden gedaan, " zei Saptarshi Das, assistent-professor in de ingenieurswetenschappen en mechanica. "Voor complexe besluitvorming met behulp van neurale netwerken, je hebt misschien een cluster van supercomputers nodig die tegelijkertijd parallelle processors proberen te gebruiken - een miljoen laptops parallel - dat zou een voetbalveld in beslag nemen. Draagbare gezondheidszorgapparaten, bijvoorbeeld, kan zo niet werken."

De oplossing, volgens Das, is het creëren van door de hersenen geïnspireerde, analoog, statistische neurale netwerken die niet afhankelijk zijn van apparaten die gewoon aan of uit staan, maar bieden een reeks probabilistische antwoorden die vervolgens worden vergeleken met de geleerde database in de machine. Om dit te doen, de onderzoekers ontwikkelden een Gauss-veldeffecttransistor die is gemaakt van 2D-materialen - molybdeendisulfide en zwarte fosfor. Deze apparaten zijn energiezuiniger en produceren minder warmte, waardoor ze ideaal zijn voor het opschalen van systemen.

"Het menselijk brein werkt naadloos op 20 watt vermogen, " zei Das. "Het is energiezuiniger, met 100 miljard neuronen, en het maakt geen gebruik van de von Neumann-architectuur."

De onderzoekers merken op dat niet alleen energie en warmte problemen zijn geworden, maar dat het steeds moeilijker wordt om meer in kleinere ruimtes te passen.

"Schakelgrootte is gestopt, " zei Das. "We kunnen maar ongeveer 1 miljard transistors op een chip plaatsen. We hebben meer complexiteit nodig, zoals de hersenen."

Het idee van probabilistische neurale netwerken bestaat al sinds de jaren tachtig, maar het had specifieke apparaten nodig voor implementatie.

"Vergelijkbaar met de werking van een menselijk brein, belangrijke functies worden geëxtraheerd uit een reeks trainingsvoorbeelden om het neurale netwerk te helpen leren, " zei Amritan en Sebastiaan, afgestudeerde student in de ingenieurswetenschappen en mechanica.

De onderzoekers testten hun neurale netwerk op menselijke elektro-encefalografieën, grafische weergave van hersengolven. Na het netwerk te hebben gevoed met vele voorbeelden van EEG's, het netwerk zou dan een nieuw EEG-signaal kunnen nemen en het kunnen analyseren en bepalen of het onderwerp sliep.

"We hebben niet zo'n uitgebreide trainingsperiode of informatiebasis nodig voor een probabilistisch neuraal netwerk als voor een kunstmatig neuraal netwerk, " zei Das.

De onderzoekers zien dat statistische neurale netwerkcomputing toepassingen heeft in de geneeskunde, omdat diagnostische beslissingen niet altijd 100% ja of nee zijn. Ze beseffen ook dat voor de beste impact, medische diagnostische apparaten moeten klein zijn, draagbaar en verbruiken minimale energie.

Das en collega's noemen hun apparaat een Gauss-synaps en het is gebaseerd op een opstelling met twee transistoren waarbij het molybdeendisulfide een elektronengeleider is, terwijl de zwarte fosfor geleidt door ontbrekende elektronen, of gaten. Het apparaat is in wezen twee variabele weerstanden in serie en de combinatie produceert een grafiek met twee staarten, die overeenkomt met een Gauss-functie.