Een ongeordend netwerk dat geordende patronen kan detecteren:dit klinkt tegenstrijdig, maar het komt dicht in de buurt van het beschrijven van de manier waarop de hersenen werken. Onderzoekers van de Universiteit Twente hebben zo'n op de hersenen geïnspireerd netwerk ontwikkeld op basis van siliciumtechnologie dat bij kamertemperatuur kan worden gebruikt. Het maakt gebruik van materiaaleigenschappen die elektronische ontwerpers meestal graag vermijden. Dankzij "hopgeleiding, het systeem evolueert naar een oplossing zonder gebruik te maken van vooraf ontworpen elementen. De onderzoekers publiceren hun werk in Natuur op 15 januari 2020.

De hersenen zijn erg goed in het herkennen van patronen. Kunstmatige intelligentie kan het in sommige gevallen beter doen, maar dit heeft een prijs:er is enorme rekenkracht voor nodig, terwijl de hersenen slechts 20 watt verbruiken.

De halfgeleiderindustrie omarmt nu nieuwe computerontwerpstrategieën die zijn geïnspireerd op de hersenfunctie, zoals Intel's Loihi-processor, die neuronen en synapsen heeft. Nog altijd, het nabootsen van één enkel neuron kost duizenden transistors - en de hersenen hebben tientallen miljarden neuronen. Miniaturisatie is een benadering van deze schaal, maar de technologie bereikt fysieke grenzen. Het nieuwe ongeordende doteringsatoomnetwerk, nu gepresenteerd in Natuur is een andere benadering:het maakt geen gebruik van vooraf ontworpen neuronen of andere circuits, maar maakt gebruik van materiaaleigenschappen om naar een oplossing te evolueren. Deze zeer contra-intuïtieve benadering is energiezuinig en neemt niet veel oppervlakte in beslag.

Hoppen

Bij elektronica, doping is een bekende manier om de eigenschappen van transistors te beïnvloeden door opzettelijk onzuiverheden in het siliciumkristal te brengen in een concentratie die hoog genoeg is om het gewenste effect te bereiken. In dit geval, het gebruik van een veel lagere concentratie boor resulteert in een regime dat circuitontwerpers liever vermijden.

Dat is precies het regime waarin het ongeordende netwerk opereert. Geleiding vindt nu plaats via elektronen die van het ene booratoom naar het andere springen:deze 'springende geleiding' is, op een manier, vergelijkbaar met neuronen die samenwerking zoeken met andere neuronen om een ​​classificatie te maken. Als voorbeeld, het netwerk wordt gevoed met 16 basic, viercijferige patronen. Elk patroon resulteert in een ander uitgangssignaal. Met deze 16 als basis, het is mogelijk om een ​​database met handgeschreven letters met hoge nauwkeurigheid en snelheid te herkennen, bijvoorbeeld. De basiscomponent is nu 300 nanometer in diameter, heeft ongeveer 100 booratomen en verbruikt ongeveer 1 microWatt aan stroom.

In toekomstige systemen die dit type netwerk gebruiken, patroonherkenning kan lokaal worden gedaan, zonder verre rekenkracht te gebruiken. Bij autonoom rijden, bijvoorbeeld, veel beslissingen moeten worden genomen op basis van erkenning. Het gaat om ofwel een krachtig boordcomputersysteem ofwel communicatie met hoge bandbreedte met de cloud, waarschijnlijk zelfs beide. De nieuwe, op het brein geïnspireerde aanpak zou minder transport van gegevens met zich meebrengen, dus de auto-industrie is al geïnteresseerd in de nieuwe UT-aanpak. Dit type computergebruik, genaamd "edgecomputing, " kan ook worden gebruikt voor gezichtsherkenning, bijvoorbeeld.

De krant, "Classificatie met een ongeordend doteringsatoomnetwerk in silicium, " is gepubliceerd in Natuur . In hetzelfde nummer, er is een gerelateerde recensie met de titel "Evolutie van circuits voor machine learning."