De baanbrekende wetenschappelijke productiviteit van Isaac Newton, terwijl hij geïsoleerd is van de verspreiding van de builenpest, is legendarisch. Natuurkundigen van de Universiteit van Californië in San Diego kunnen nu een aandeel claimen in de annalen van door pandemie aangedreven wetenschap.

Een team van UC San Diego-onderzoekers en collega's van de Purdue University hebben nu de basis gesimuleerd van nieuwe soorten kunstmatige intelligentie-computerapparaten die hersenfuncties nabootsen, een prestatie die het gevolg was van de COVID-19 pandemie lockdown. Door nieuwe supercomputermaterialen te combineren met gespecialiseerde oxiden, de onderzoekers hebben met succes de ruggengraat aangetoond van netwerken van circuits en apparaten die de connectiviteit van neuronen en synapsen in biologisch gebaseerde neurale netwerken weerspiegelen.

De simulaties worden beschreven in de Proceedings van de National Academy of Sciences ( PNAS ).

Nu de bandbreedtevraag van de hedendaagse computers en andere apparaten hun technologische limiet bereikt, wetenschappers werken aan een toekomst waarin nieuwe materialen kunnen worden georkestreerd om de snelheid en precisie van dierachtige zenuwstelsels na te bootsen. Neuromorphic computing op basis van kwantummaterialen, die op kwantummechanica gebaseerde eigenschappen vertonen, wetenschappers de mogelijkheid bieden om verder te gaan dan de grenzen van traditionele halfgeleidermaterialen. Deze geavanceerde veelzijdigheid opent de deur naar new-age apparaten die veel flexibeler zijn met een lager energieverbruik dan de huidige apparaten. Sommige van deze inspanningen worden geleid door assistent-professor Alex Fraño en andere onderzoekers van UC San Diego's Quantum Materials for Energy Efficient Neuromorphic Computing (Q-MEEN-C), een door het Department of Energy ondersteunde Energy Frontier Research Center.

"In de afgelopen 50 jaar hebben we ongelooflijke technologische prestaties gezien die hebben geleid tot computers die steeds kleiner en sneller werden, maar zelfs deze apparaten hebben limieten voor gegevensopslag en energieverbruik, " zei Fraño, die diende als een van de auteurs van de PNAS-paper, samen met de voormalige kanselier van UC San Diego, UC-president en natuurkundige Robert Dynes. "Neuromorphic computing is geïnspireerd op de opkomende processen van de miljoenen neuronen, axonen en dendrieten die over ons hele lichaam zijn verbonden in een extreem complex zenuwstelsel."

Als experimentele natuurkundigen, Frañó en Dynes zijn doorgaans in hun laboratoria bezig met het gebruik van ultramoderne instrumenten om nieuwe materialen te verkennen. Maar met het uitbreken van de pandemie, Frañó en zijn collega's werden in isolatie gedwongen omdat ze zich zorgen maakten over hoe ze hun onderzoek vooruit zouden helpen. Ze kwamen uiteindelijk tot het besef dat ze hun wetenschap konden bevorderen vanuit het perspectief van simulaties van kwantummaterialen.

"Dit is een pandemische krant, " zei Frañó. "Mijn co-auteurs en ik besloten dit probleem vanuit een meer theoretisch perspectief te bestuderen, dus gingen we zitten en begonnen we wekelijkse (Zoom-gebaseerde) vergaderingen te houden. Uiteindelijk ontwikkelde het idee zich en nam het een vlucht."

De innovatie van de onderzoekers was gebaseerd op het samenvoegen van twee soorten kwantumsubstanties:supergeleidende materialen op basis van koperoxide en metaalisolatorovergangsmaterialen op basis van nikkeloxide. Ze creëerden eenvoudige "loop-apparaten" die op nanoschaal nauwkeurig konden worden bestuurd met helium en waterstof, weerspiegelt de manier waarop neuronen en synapsen zijn verbonden. Door meer van deze apparaten toe te voegen die informatie met elkaar verbinden en uitwisselen, de simulaties toonden aan dat ze uiteindelijk de creatie mogelijk zouden maken van een reeks netwerkapparaten die opkomende eigenschappen vertonen, zoals de hersenen van een dier.

Net als de hersenen, neuromorfe apparaten worden ontworpen om verbindingen te verbeteren die belangrijker zijn dan andere, vergelijkbaar met de manier waarop synapsen belangrijkere berichten wegen dan andere.

"Het is verrassend dat wanneer je meer loops begint te maken, je begint gedrag te zien dat je niet had verwacht, " zei Frañó. "Van dit papier kunnen we ons voorstellen dit te doen met zes, 20 of honderd van deze apparaten - dan wordt het vanaf daar exponentieel rijk. Uiteindelijk is het doel om een ​​zeer groot en complex netwerk van deze apparaten te creëren dat het vermogen heeft om te leren en zich aan te passen."

Met versoepelde pandemische beperkingen, Frañó en zijn collega's zijn terug in het laboratorium, het testen van de theoretische simulaties beschreven in de PNAS-paper met real-world instrumenten.