Yarı iletken malzemeler kullanarak nöronların işleyişini taklit etmek
Özellikle robotlara yürümeyi öğretmek veya hassas otomatik görüntü tanıma gibi yapay zeka alanındaki faaliyetler, her zamankinden daha güçlü, ancak aynı zamanda daha ekonomik bilgisayar çipleri gerektiriyor. Geleneksel mikroelektroniğin optimizasyonu yavaş yavaş fiziksel sınırlarına ulaşırken, doğa bize bilginin nasıl hızlı ve verimli bir şekilde işlenip depolanabileceği konusunda bir plan sunuyor: kendi beynimiz. İlk kez, TU Dresden ve Helmholtz-Zentrum Dresden-Rossendorf (HZDR) bilim adamları, yarı iletken malzemeler kullanarak beyin nöronlarının işleyişini başarıyla taklit ettiler. Araştırma sonuçlarını Nature Electronics dergisinde yayınladılar.
Günümüzde mikroelektroniğin performansının artırılması, genellikle bileşen boyutunun, özellikle silikon bilgisayar çiplerindeki tek tek transistörlerin küçültülmesiyle elde edilmektedir. Larysa Baraban, “Ancak bu sonsuza kadar devam edemez – yeni yaklaşımlara ihtiyacımız var.” diyor. Yılın başından beri HZDR’de çalışan fizikçi, toplam altı enstitüyü içeren uluslararası çalışmanın üç ana yazarından biridir. Bir yaklaşım beyne dayanır ve veri işlemeyi yapay bir nöronda veri depolamayla birleştirir.
Baraban, “Grubumuz biyolojik ve kimyasal elektronik sensörler konusunda geniş deneyime sahiptir” diye devam ediyor. “Bu nedenle, biyosensörlerin ilkelerini kullanarak nöronların özelliklerini simüle ettik ve yapay bir nörotransistör oluşturmak için klasik bir alan etkili transistörü modifiye ettik.” Böyle bir mimarinin avantajı, bilgilerin tek bir bileşende aynı anda depolanması ve işlenmesidir. Geleneksel transistör teknolojisinde, birbirlerinden ayrılırlar, bu da işlem süresini yavaşlatır ve sonuçta performansı da sınırlar.
Silikon wafer (levha) + Polimer = Öğrenebilen çip
İnsan beynindeki bilgisayarları modellemek yeni bir fikir değil. Bilim adamları, on yıllar önce Petri kaplarında sinir hücrelerini elektronik cihazlara bağlamak için girişimlerde bulundular. TU Dresden’den Gianaurelio Cuniberti, “Ancak her zaman beslenmesi gereken ıslak bir bilgisayar çipinin kimseye faydası yok.” diyor. Malzeme Bilimi ve Nanoteknoloji Profesörü, 1970’lerin başında benzer bileşenleri zaten öne süren Berkeley’deki Kaliforniya Üniversitesi’nden Leon Chua ve Dresden’deki Elektrik Mühendisliği Temelleri Profesörü Ronald Tetzlaff ile birlikte nörotransistörün arkasındaki üç beyinden biridir.
Şimdi, Cuniberti, Baraban ve ekipleri bunu uygulayabildi: Malzeme bilimi profesörü, “Solgel adı verilen yapışkan bir maddeyi devreleri olan geleneksel bir silikon levhaya uyguluyoruz. Bu polimer sertleşir ve gözenekli bir seramik haline gelir” diye açıklıyor. “İyonlar delikler arasında hareket eder. Elektronlardan daha ağırdırlar ve uyarılmadan sonra konumlarına geri dönmeleri daha yavaştır. Histerezis adı verilen bu gecikme, depolama etkisine neden olur.” Cuniberti’nin açıkladığı gibi, bu, transistörün işleyişinde belirleyici bir faktördür. “Bireysel bir transistör ne kadar heyecanlanırsa, o kadar çabuk açılır ve akımın akmasına izin verir. Bu bağlantıyı güçlendirir. Sistem öğreniyor.”
Yine de Cuniberti ve ekibi geleneksel konulara odaklanmıyor. Bilim adamı, “Çipimize dayanan bilgisayarlar daha az hassas olacak ve matematiksel hesaplamaları son ondalık basamağa kadar hesaplamak yerine tahmin etme eğiliminde olacaktır” diye açıklıyor. “Ama daha akıllı olurlar. Örneğin, bu tür işlemcilere sahip bir robot yürümeyi veya kavramayı öğrenir; optik bir sisteme sahip olur ve bağlantıları tanımayı öğrenir. Ve tüm bunlar herhangi bir yazılım geliştirmek zorunda kalmadan olur.” Ancak bunlar nöromorfik bilgisayarların tek avantajları değildir. İnsan beynininkine benzer plastisiteleri sayesinde, operasyon sırasında değişen görevlere uyum sağlayabilirler ve böylelikle başlangıçta programlanmadıkları problemleri çözebilirler.
Kaynak: Helmholtz-Zentrum Dresden-Rossendorf.
Dergi Kaynağı: Eunhye Baek, Nikhil Ranjan Das, Carlo Vittorio Cannistraci, Taiuk Rim, Gilbert Santiago Cañón Bermúdez, Khrystyna Nych, Hyeonsu Cho, Kihyun Kim, Chang-Ki Baek, Denys Makarov, Ronald Tetzlaff, Leon Chua, Larysa Baraban, Gianaurelio Cuniberti. Intrinsic plasticity of silicon nanowire neurotransistors for dynamic memory and learning functions. Nature Electronics, 2020; DOI: 10.1038/s41928-020-0412-1
Bir yanıt yazın