Onderzoekers van het Oak Ridge National Laboratory van het Department of Energy, de University of Tennessee en Texas A&M University demonstreerden bio-geïnspireerde apparaten die routes naar neuromorfe, of hersenachtig, computergebruik.

Resultaten gepubliceerd in Natuurcommunicatie rapporteer het eerste voorbeeld van een op lipiden gebaseerde "memcapacitor, " een component voor ladingopslag met geheugen dat informatie verwerkt zoals synapsen in de hersenen doen. Hun ontdekking zou de opkomst van computernetwerken kunnen ondersteunen die zijn gemodelleerd naar biologie voor een sensorische benadering van machine learning.

"Ons doel is om materialen en computerelementen te ontwikkelen die werken als biologische synapsen en neuronen - met enorme interconnectiviteit en flexibiliteit - om autonome systemen mogelijk te maken die anders werken dan de huidige computerapparatuur en nieuwe functionaliteit en leermogelijkheden bieden, " zei Joseph Najem, een recent postdoctoraal onderzoeker bij ORNL's Centre for Nanophase Materials Sciences, een DOE Office of Science gebruikersfaciliteit, en huidige assistent-professor werktuigbouwkunde aan Penn State.

De nieuwe benadering maakt gebruik van zachte materialen om biomembranen na te bootsen en de manier waarop zenuwcellen met elkaar communiceren te simuleren.

Het team ontwierp een kunstmatig celmembraan, gevormd op het grensvlak van twee lipide-gecoate waterdruppels in olie, om de dynamiek van het materiaal te verkennen, elektrofysiologische eigenschappen. Bij aangelegde spanningen, ladingen bouwen zich op aan beide zijden van het membraan als opgeslagen energie, analoog aan de manier waarop condensatoren werken in traditionele elektrische circuits.

Maar in tegenstelling tot gewone condensatoren, de memcapacitor kan een eerder aangelegde spanning "onthouden" en - letterlijk - bepalen hoe informatie wordt verwerkt. De synthetische membranen veranderen oppervlak en dikte afhankelijk van elektrische activiteit. Deze vormveranderende membranen kunnen worden afgestemd als adaptieve filters voor specifieke biofysische en biochemische signalen.

"De nieuwe functionaliteit opent wegen voor niet-digitale signaalverwerking en machine learning, gemodelleerd naar de natuur, " zei Pat Collier van ORNL, een CNMS-personeelsonderzoeker.

Een onderscheidend kenmerk van alle digitale computers is de scheiding van verwerking en geheugen. Informatie wordt heen en weer overgedragen van de harde schijf en de centrale processor, het creëren van een inherent knelpunt in de architectuur, hoe klein of snel de hardware ook kan zijn.

Neuromorfe gegevensverwerking, gebaseerd op het zenuwstelsel, maakt gebruik van architecturen die fundamenteel verschillend zijn in die zin dat geheugen en signaalverwerking zich samen bevinden in geheugenelementen - memristors, memcondensatoren en meminductoren.

Deze "memelementen" vormen de synaptische hardware van systemen die natuurlijke informatieverwerking nabootsen, leren en geheugen.

Systemen ontworpen met memelements bieden voordelen in schaalbaarheid en laag stroomverbruik, maar het echte doel is om een ​​alternatief pad naar kunstmatige intelligentie te vinden, zei Collier.

Door gebruik te maken van biologie kunnen nieuwe computermogelijkheden ontstaan, vooral op het gebied van "edge computing, " zoals draagbare en embedded technologieën die niet verbonden zijn met een cloud, maar in plaats daarvan on-the-fly beslissingen nemen op basis van zintuiglijke input en ervaringen uit het verleden.

Biologische detectie is in de loop van miljarden jaren geëvolueerd tot een zeer gevoelig systeem met receptoren in celmembranen die in staat zijn om een ​​enkel molecuul met een specifieke geur of smaak te onderscheiden. "Dit is niet iets dat we digitaal kunnen evenaren, ' zei Collier.

Digitale berekening is opgebouwd rond digitale informatie, de binaire taal van enen en nullen die door elektronische circuits razen. Het kan het menselijk brein nabootsen, maar de vastestofcomponenten berekenen geen sensorische gegevens zoals een brein dat doet.

"Het brein berekent sensorische informatie die door synapsen wordt geduwd in een neuraal netwerk dat herconfigureerbaar en gevormd is door te leren, "zei Collier. "Het opnemen van biologie - met behulp van biomembranen die bio-elektrochemische informatie detecteren - is de sleutel tot de ontwikkeling van de functionaliteit van neuromorfe computing."

Hoewel er talloze solid-state versies van memelementen zijn aangetoond, de biomimetische elementen van het team vertegenwoordigen nieuwe kansen voor potentiële "spiking" neurale netwerken die natuurlijke gegevens op natuurlijke manieren kunnen berekenen.

Spiking neurale netwerken zijn bedoeld om de manier waarop neuronen pieken met elektrische potentiaal te simuleren en, als het signaal sterk genoeg is, doorgeven aan hun buren via synapsen, het uitstippelen van leertrajecten die in de loop van de tijd worden gesnoeid voor efficiëntie.

Een bio-geïnspireerde versie met analoge dataverwerking is een verre bestemming. Het huidige onderzoek in een vroeg stadium richt zich op de ontwikkeling van de componenten van biocircuits.

"We zijn begonnen met de basis, een memristor die informatie kan wegen via geleiding om te bepalen of een piek sterk genoeg is om te worden uitgezonden via een netwerk van synapsen die neuronen verbinden, " zei Collier. "Onze memcondensator gaat verder omdat hij energie kan opslaan als een elektrische lading in het membraan, het mogelijk maken van de complexe 'integreer en vuur'-activiteit van neuronen die nodig zijn om dichte netwerken te bereiken die in staat zijn tot hersenachtige berekeningen."

De volgende stappen van het team zijn het verkennen van nieuwe biomaterialen en het bestuderen van eenvoudige netwerken om complexere hersenachtige functionaliteiten met memelementen te bereiken.

Het artikel, "Dynamische niet-lineaire geheugencapaciteit in biomimetische membranen, " is gepubliceerd in Natuurcommunicatie .