Momenteel verspreiden AI-services zich snel in het dagelijks leven en in alle sectoren. Deze diensten worden mogelijk gemaakt door AI-centra en terminals met elkaar te verbinden, zoals mobiele apparaten, pc's, enz. Deze methode verhoogt echter de belasting van het milieu door veel stroom te verbruiken, niet alleen om het AI-systeem aan te drijven, maar ook om gegevens te verzenden. In tijden van oorlog of rampen kan het onbruikbaar worden door stroomuitval en netwerkstoringen, waarvan de gevolgen nog ernstiger kunnen zijn als het een AI-service is op het gebied van leven en veiligheid. Als een kunstmatige-intelligentietechnologie van de volgende generatie die deze zwakheden kan overwinnen, trekt de low-power en high-efficiency "in-sensor computing"-technologie die het informatieverwerkingsmechanisme van het menselijke zenuwstelsel nabootst de aandacht.

Het Korea Institute of Science and Technology (KIST, president Seok-Jin Yoon) heeft aangekondigd dat zijn team onder leiding van Dr. Suyoun Lee (Center for Neuromorphic Engineering) erin is geslaagd "kunstmatige sensorische neuronen" te ontwikkelen die essentieel zullen zijn voor het praktische gebruik van in-sensor computing. Neuronen verfijnen enorme externe stimuli (ontvangen door sensorische organen zoals ogen, neus, mond, oren en huid) tot informatie in de vorm van spikes; en spelen daarom een ​​belangrijke rol bij het in staat stellen van de hersenen om snel complexe taken zoals cognitie, leren, redeneren, voorspellen en beoordelen met weinig energie te integreren en uit te voeren.

De Ovonische drempelschakelaar (OTS) is een schakelapparaat met twee aansluitingen dat een hoge weerstandstoestand (10-100 MΩ) onder de schakelspanning handhaaft en een sterke afname van de weerstand boven de schakelspanning vertoont. In een eerdere studie ontwikkelde het team een ​​kunstmatig neuronapparaat dat de werking van neuronen nabootst (integreren-en-vuren) dat een pieksignaal genereert wanneer het ingangssignaal een bepaalde intensiteit overschrijdt.

Deze studie, gepubliceerd in Nano Letters , introduceert een drie-terminal ovonic-drempelschakelaar (3T-OTS) -apparaat dat de schakelspanning kan regelen om het gedrag van neuronen te simuleren en snel patronen te vinden en te abstraheren tussen enorme hoeveelheden gegevensinvoer naar sensorische organen. Door een sensor aan te sluiten op de derde elektrode van het 3T-OTS-apparaat, dat externe stimuli omzet in spanning, was het mogelijk om een ​​sensorisch neuronapparaat te realiseren dat de piekpatronen verandert volgens de externe stimuli.

Het onderzoeksteam slaagde erin een kunstmatig visueel neuronapparaat te realiseren dat de informatieverwerkingsmethode van menselijke sensorische organen nabootst, door een 3T-OTS en een fotodiode te combineren. Door een kunstmatig visueel neuronapparaat te verbinden met een kunstmatig neuraal netwerk dat het visuele centrum van de hersenen nabootst, kon het team bovendien COVID-19-infecties onderscheiden van virale longontsteking met een nauwkeurigheid van ongeveer 86,5% door middel van beeldleren van thoraxfoto's .

Dr. Suyoun Lee, directeur van het KIST Center for Neuromorphic Engineering, zei:"Dit kunstmatige sensorische neuronapparaat is een platformtechnologie die verschillende sensorische neuronapparaten, zoals zicht en aanraking, kan implementeren door verbinding te maken met bestaande sensoren. Het is een cruciaal gebouw blok voor in-sensor computertechnologie."

Hij legde ook het belang uit van het onderzoek dat "een grote bijdrage zal leveren aan het oplossen van verschillende sociale problemen met betrekking tot leven en veiligheid, zoals het ontwikkelen van een diagnostisch systeem voor medische beeldvorming dat gelijktijdig met onderzoeken kan diagnosticeren, het voorspellen van acute hartaandoeningen door middel van tijdreeksen patroonanalyse van pols en bloeddruk, en het realiseren van buitenzintuiglijk vermogen om trillingen buiten de hoorbare frequentie te detecteren om instortingen van gebouwen, aardbevingen, tsunami's, enz. + Verder verkennen

Ontwikkeling van dendritische-netwerk-implementeerbare kunstmatige neurovezeltransistors