IBM-wetenschappers hebben willekeurig stekelige neuronen gemaakt met behulp van faseovergangsmaterialen om gegevens op te slaan en te verwerken. Deze demonstratie markeert een belangrijke stap voorwaarts in de ontwikkeling van energiezuinige, ultra-dichte geïntegreerde neuromorfische technologieën voor toepassingen in cognitieve informatica.

Geïnspireerd door de manier waarop het biologische brein functioneert, wetenschappers hebben decennia lang getheoretiseerd dat het mogelijk zou moeten zijn om de veelzijdige rekencapaciteiten van grote populaties neuronen te imiteren. Echter, het was een grote uitdaging om dit te doen met dichtheden en met een energiebudget dat vergelijkbaar zou zijn met dat in de biologie, tot nu.

"We onderzoeken al meer dan tien jaar faseovergangsmaterialen voor geheugentoepassingen, en onze vooruitgang in de afgelopen 24 maanden was opmerkelijk, " zei IBM Fellow Evangelos Eleftheriou. "In deze periode, we hebben nieuwe geheugentechnieken ontdekt en gepubliceerd, inclusief geprojecteerd geheugen, voor de eerste keer 3 bits per cel in faseveranderingsgeheugen opgeslagen, en demonstreren nu de krachtige mogelijkheden van op faseverandering gebaseerde kunstmatige neuronen, die verschillende computationele primitieven kan uitvoeren, zoals detectie van gegevenscorrelatie en leren zonder toezicht met hoge snelheden met zeer weinig energie."

De kunstmatige neuronen die door IBM-wetenschappers in Zürich zijn ontworpen, bestaan ​​uit faseovergangsmaterialen, inclusief germanium antimoon telluride, die twee stabiele toestanden vertonen, een amorfe (zonder duidelijk gedefinieerde structuur) en een kristallijne (met structuur). Deze materialen vormen de basis van herbeschrijfbare Blu-ray-schijven. Echter, de kunstmatige neuronen slaan geen digitale informatie op; ze zijn analoog, net als de synapsen en neuronen in ons biologische brein.

In de gepubliceerde demonstratie het team paste een reeks elektrische pulsen toe op de kunstmatige neuronen, wat resulteerde in de progressieve kristallisatie van het faseovergangsmateriaal, waardoor het neuron uiteindelijk gaat vuren. In de neurowetenschappen, deze functie staat bekend als de integratie-en-vuur-eigenschap van biologische neuronen. Dit is de basis voor op gebeurtenissen gebaseerde berekeningen en, in principe, is vergelijkbaar met hoe onze hersenen een reactie triggeren wanneer we iets heets aanraken.

Door gebruik te maken van deze eigenschap van integreren en afvuren, zelfs een enkel neuron kan worden gebruikt om patronen te detecteren en correlaties te ontdekken in realtime stromen van op gebeurtenissen gebaseerde gegevens. Bijvoorbeeld, in het internet der dingen, sensoren kunnen hoeveelheden weergegevens verzamelen en analyseren die aan de rand zijn verzameld voor snellere voorspellingen. De kunstmatige neuronen kunnen worden gebruikt om patronen in financiële transacties te detecteren om discrepanties te vinden of gegevens van sociale media te gebruiken om nieuwe culturele trends in realtime te ontdekken. Grote populaties van deze snelle, laag-energetische neuronen op nanoschaal kunnen ook worden gebruikt in neuromorfe coprocessors met co-located geheugen en verwerkingseenheden.

IBM-wetenschappers hebben honderden kunstmatige neuronen in populaties georganiseerd en deze gebruikt om snelle en complexe signalen weer te geven. Bovendien, van de kunstmatige neuronen is aangetoond dat ze miljarden schakelcycli ondersteunen, wat zou overeenkomen met meerdere jaren gebruik bij een updatefrequentie van 100 Hz. De energie die nodig was voor elke neuronupdate was minder dan vijf picojoule en het gemiddelde vermogen minder dan 120 microwatt - ter vergelijking:60 miljoen microwatt voedt een gloeilamp van 60 watt.

"Populaties van stochastische faseveranderingsneuronen, gecombineerd met andere computerelementen op nanoschaal, zoals kunstmatige synapsen, zou een belangrijke factor kunnen zijn voor het creëren van een nieuwe generatie extreem dichte neuromorfe computersystemen, " zei Tomas Tuma, een co-auteur van het artikel.