«Это трудится как настоящий синапс, но это – органическое электронное устройство, которое возможно спроектировано», сообщил Альберто Сальео, адъюнкт-разработки и профессор материаловедения в Стэнфорде и ведущего автора бумаги. «Это – совсем новая семья устройств, по причине того, что данный тип архитектуры не продемонстрировали прежде. Для многих главных метрик это кроме этого выступает лучше, чем что-нибудь, что это было сделано прежде с inorganics».
Новый неестественный синапс, сообщил в выпуске 20 февраля Материалов Природы, подражает методу, которым синапсы в мозгу обучаются через сигналы, каковые пересекают их. Это – большие энергосбережения по классическому вычислению, которое включает раздельно обрабатывающую данные и после этого хранение его в память. Тут, обработка формирует память.
Данный синапс может в один раз быть частью более аналогичного мозгу компьютера, что мог быть особенно удачным для вычисления, которое трудится с визуальными и слуховыми сигналами. Примеры этого увидены в управляемых голосом автомобилях и интерфейсах без водителя. Прошлые упрочнения в данной области произвели высокоэффективные нейронные сети, поддержанные искусственно интеллектуальными методами, но это все еще отдаленные имитаторы мозга, каковые зависят от потребляющей энергию классической компьютерной техники.Строительство мозга
В то время, когда мы обучаемся, электрические сигналы отправляют между нейронами в отечественном мозгу. Большинство энергии нужна в первоначальный раз, в то время, когда синапс пересечен. Любой раз позднее, сообщение требует меньшего количества энергии.
Это – то, как синапсы действенно облегчают и изучение чего-то нового и не забывающее, что мы изучили. Неестественный синапс, в отличие от других предположений аналогичного мозгу вычисления, кроме этого делает эти две задачи одновременно и делает так с значительными энергосбережениями.«Глубоко методы изучения весьма сильны, но они надеются на процессоры, дабы вычислить и моделировать электрические страны и сохранить их где-то в другом месте, что неэффективен с позиций энергии и время», сообщил Иоери ван де Бергт, бывший постдокторский ученый в лаборатории Salleo и ведущий создатель статьи. «Вместо того, дабы моделировать нейронную сеть, отечественная работа пробует сделать нейронную сеть».
Неестественный синапс базируется от дизайна батареи. Это складывается из двух узких, эластичных фильмов с тремя терминалами, связанными электролитом соленой воды. Устройство трудится транзистором с одним из терминалов, управляющих потоком электричества между вторыми двумя.Как нервный путь в мозгу, усиливаемом при помощи изучения, исследователи программируют неестественный синапс, освобождаясь от обязательств и перезаряжая его много раз.
При помощи этого обучения они были в состоянии угадать в 1 проценте неизвестно, какое напряжение потребуется, дабы приобретать синапс к определенному электрическому стране и, в один раз в том месте, это остается в том стране. Иначе говоря в отличие от общего компьютера, где Вы экономите собственную работу к твёрдому диску, перед тем как Вы отключите его, неестественный синапс может отыскать в памяти собственный программирование без любых дополнительных действий либо частей.Тестирование сети неестественных синапсов
Лишь один неестественный синапс был произведен, но исследователи в Сандиа применяли 15 000 измерений из опытов на том синапсе, дабы моделировать, как множество их будет трудиться в нейронной сети. Они удостоверились в надежности свойство моделируемой сети признать почерк цифр 0 до 9. Проверенный на трех комплектах данных, моделируемое множество смогло отождествить рукописные цифры с точностью между 93 – 97 процентами.Не смотря на то, что эта задача была бы довольно несложна для человека, классическим компьютерам не легко трактовать визуальные и слуховые сигналы.
«Все больше виды задач, каковые мы ожидаем, что отечественные вычислительные устройства сделают, требуют вычисления, которое подражает мозгу, по причине того, что применение классического вычисления, дабы выполнить эти задачи делается вправду энергопотребляющим», сообщил А. Алек Тэлин, отличенный член технического штата в Национальных лабораториях Сандиа в Ливерморе, Калифорния и ведущем авторе бумаги. «Мы показали устройство, это идеально для управления подобными методами, и это потребляет значительно меньше энергии».Это устройство очень прекрасно подходит для классификации идентификации и вида сигнала, которую классические компьютеры приложив все возможные усилия пробуют выполнить. Принимая к сведенью, что цифровые транзисторы смогут быть лишь в двух странах, таковой как 0 и 1, исследователи удачно запрограммировали 500 стран в неестественном синапсе, что нужен для моделей вычисления типа нейрона. В переключении от одного страны до другого они применяли примерно одну десятую столько же энергии, сколько современной вычислительной совокупности необходимо, дабы переместить эти от единицы обработки до памяти.
Это, но, свидетельствует, что они все еще применяют примерно в 10,000 раза больше энергии, чем минимум, в котором испытывает недостаток биологический синапс, дабы стрелять. Исследователи сохраняют надежду, что они смогут достигнуть энергоэффективности уровня нейрона, когда они контролируют неестественный синапс в устройствах меньшего размера.
Органический потенциалКаждая часть устройства сделана из недорогих органических материалов. Они не отысканы в природе, но они по большей части складываются из углерода и водорода и совместимы с химией мозга. Клетки были выращены на этих материалах, и они кроме того употреблялись, дабы сделать неестественные насосы для нервных передатчиков.
Напряжения, приложенные, дабы научить неестественный синапс, являются кроме этого тем же самым как теми, каковые двигаются через человеческие нейроны.Все это указывает, что быть может, что неестественный синапс имел возможность общаться с живыми нейронами, приводя к улучшенным интерфейсам мозговой автомобили. гибкость и Мягкость устройства кроме этого предоставляют себя тому, дабы быть применяемым в биологической окружающей среде. Перед любыми применениями к биологии, но, команда собирается построить фактическое множество неестественных синапсов для тестирования и дальнейшего исследования.
Среди дополнительных Стэнфордских соавторов данной работы создатель co-лидерства Эуоут Лаббермен, кроме этого Университета Гронингена в Нидерландах, Скотта Т. Кина и Грегорио К. Фариы, кроме этого Университета Сан-Паулу, в Бразилии. Среди соавторов Национальных лабораторий Сандиа Эллиот Дж. Фуллер и Сэпэн Агаруол в Ливерморе и Мэтью Дж. Мэринелла в Альбукерке, Нью-Мексико.
Salleo – филиал Стэнфордского Университета Перед судом энергии и Стэнфордского Университета Нейронаук. Ван де Бергт – сейчас доцент в филиале и микросистемах Университета Сложных Молекулярных Изучений (ICMS) в Техническом университете Эйндховена в Нидерландах.
Это изучение финансировалось Национальным научным фондом, Фондами Ученого Свойства Keck, Нейропотрясающим в Стэнфорде, Стэнфордском Товариществе Выпускника, Программе Лабораторного развития и Целенаправленного исследования Сандиа, американском Министерстве энергетики, Голландской Стипендии, Стипендии Университета Гронингена для Отличных Студентов, Хендрика Мюллера Национальный Фонд, Фонд Шуурмена Шиммель-вана Аутерена, Фонд Renswoude (Делфт и Гаага), Фонд Марко Поло, Instituto Nacional de Ciencia e Tecnologia/Instituto Nacional de Eletronica Organica в Бразилии, Fundacao de Amparo Pesquisa do Estado de Sao Paulo и бразильский Национальный совет.