Wetenschap
Figuur 1:Spontane spikes die vergelijkbaar zijn met zenuwimpulsen van neuronen werden gegenereerd uit een POM/CNT-gecomplexeerd netwerk. Krediet:Universiteit van Osaka
De hersenen hebben verrassend weinig energie nodig om zich aan te passen aan de omgeving om te leren, dubbelzinnige herkenningen doen, hebben een hoog herkenningsvermogen en intelligentie, en complexe informatieverwerking uit te voeren.
De twee belangrijkste kenmerken van neurale circuits zijn 'leervermogen van synapsen' en 'zenuwimpulsen of -pieken'. Naarmate de hersenwetenschap vordert, hersenstructuur is geleidelijk opgehelderd, maar het is te ingewikkeld om volledig te emuleren. Wetenschappers hebben geprobeerd de hersenfunctie te repliceren door gebruik te maken van vereenvoudigde neuromorfe circuits en apparaten die een deel van de hersenmechanismen nabootsen.
Bij het ontwikkelen van neuromorfe chips om kunstmatig de circuits te repliceren die de hersenstructuur en -functie nabootsen, de functies van het genereren en doorgeven van spontane pieken die zenuwimpulsen (spikes) nabootsen, zijn nog niet volledig benut.
Een gezamenlijke groep onderzoekers van het Kyushu Institute of Technology en de Osaka University bestudeerde de huidige rectificatiecontrole in verbindingen van verschillende moleculen en deeltjes die zijn geabsorbeerd op enkelwandige koolstofnanobuisjes (SWNT), met behulp van geleidende atoomkrachtmicroscopie (C-AFM), en ontdekte dat een negatieve differentiële weerstand werd geproduceerd in polyoxometalaat (POM) moleculen geabsorbeerd op SWNT. Dit suggereert dat er een onstabiele dynamische niet-evenwichtstoestand optreedt in moleculaire verbindingen.
Figuur 2:Atomic Force Microscope-afbeelding van POM geadsorbeerd op SWNT (links) en negatieve differentiële weerstand waargenomen op de POM (rechts). Krediet:Universiteit van Osaka
In aanvulling, de onderzoekers creëerden extreem dichte, willekeurige SWNT/POM-netwerk moleculaire neuromorfe apparaten, het genereren van spontane spikes vergelijkbaar met zenuwimpulsen van neuronen (Figuur 1).
POM bestaat uit metaalatomen en zuurstofatomen om een driedimensionaal raamwerk te vormen. (Figuur 2) In tegenstelling tot gewone organische moleculen, POM kan ladingen opslaan in een enkel molecuul. In dit onderzoek, men dacht dat negatieve differentiële weerstand en piekgeneratie van het netwerk werden veroorzaakt door niet-evenwichtige ladingsdynamiek in moleculaire knooppunten in het netwerk.
Dus, de gezamenlijke onderzoeksgroep onder leiding van Megumi Akai-Kasaya voerde simulatieberekeningen uit van het willekeurige moleculaire netwerkmodel gecomplexeerd met POM-moleculen, die elektrische ladingen kunnen opslaan, replicerende spikes gegenereerd uit het willekeurige moleculaire netwerk. (Figuur 3 links) Ze toonden ook aan dat dit moleculaire model zeer waarschijnlijk een onderdeel zou worden van reservoircomputerapparatuur. Reservoir computing wordt verwacht als de volgende generatie kunstmatige intelligentie (AI). (Figuur 3) Hun onderzoeksresultaten werden gepubliceerd in Natuurcommunicatie .
Figuur 3:Moleculair netwerkmodel (linksboven) reproduceert willekeurige pieken (linksonder). Een SWNT/POM-netwerkmodel met een hoog potentieel voor neuromorfe reservoirberekening werd voorgesteld (rechts). Krediet:Universiteit van Osaka
"Het belang van onze studie is dat een deel van de hersenfunctie werd gerepliceerd door nanomoleculaire materialen. We hebben de mogelijkheid aangetoond dat het willekeurige moleculaire netwerk zelf neuromorfe AI kan worden, ", zegt hoofdauteur Hirofumi Tanaka.
Verwacht wordt dat de prestaties van deze groep in hoge mate zullen bijdragen aan de ontwikkeling van neuromorfe apparaten van de toekomst.
Wetenschap © https://nl.scienceaq.com