Vědci ze společnosti IBM vytvořili umělé neurony s nepravidelnými akčními potenciály (spiky), které ukládají a zpracovávají data za pomoci materiálů s fázovou změnou (phase-change materials). To představuje zásadní krok ve vývoji energeticky efektivních integrovaných neuromorfních technologií s ultravysokou hustotou určených pro aplikace kognitivních výpočetních systémů.
Vědci inspirovaní biologickým fungováním mozku hovořili teoreticky o možnosti napodobení rozmanitých výpočetních vlastností neuronů celá desetiletí. Problémem ale až dodnes byla hustota a využití energie, které nebyly s biologickým předobrazem srovnatelné.
„Využití materiálů s fázovou změnou pro paměťové aplikace zkoumáme už déle než deset let. Výrazný pokrok jsme zaznamenali v posledních dvou letech,“ řekl Evangelos Eleftheriou, výzkumník společnosti IBM. „Během této doby jsme objevili a zveřejnili nové paměťové techniky včetně kolokované paměti a prvního uložení 3 bitů na buňku v paměti fázové změny. Nyní představujeme slibné vlastnosti umělých neuronů postavených na fázové změně, které dovedou vykonávat několik jednoduchých výpočetních úkolů, jako například odhalování korelace dat a učení bez dohledu, s vysokou rychlostí a nízkým využitím energie.“
Výsledky výzkumu se objevily na titulní stránce odborného časopisu Nature Nanotechnology.
Umělé neurony vytvořené experty IBM v Curychu se skládají z materiálů s fázovou změnou včetně telluridu germania a antimonu, který se vyskytuje ve dvou stabilních formách: amorfní (bez jasně dané struktury) a krystalické (s jasnou strukturou). Tyto materiály jsou i základem přepisovatelných Blu-ray disků. Umělé neurony ale nejsou schopné uchovávat digitální informace. Stejně jako synapse a neurony v biologickém mozku jsou totiž analogové.
Tým v publikované ukázce vystavil umělé neurony sérii elektrických impulsů, což vedlo k postupné krystalizaci fázově proměnlivého materiálu, až se nakonec neuron aktivoval. V neurovědě je u biologických neuronů tato vlastnost známá jako „integrateand-fire“. Jde o základ výpočetního procesu založeného na události a v zásadě se dá připodobnit k reakci v lidském mozku, když se dotkneme něčeho horkého.
Díky této vlastnosti lze použít jediný neuron k tomu, aby v reálném čase odhalil vzorce a objevil korelace v řetězcích na událostech založených dat. Například v rámci internetu věcí (IoT) mohou senzory shromažďovat a analyzovat velké objemy dat o počasí za účelem rychlejších předpovědí. Umělé neurony se mohou využít k odhalování vzorců ve finančních transakcích k objevení nesrovnalostí nebo nových kulturních trendů v reálném čase z dat ze sociálních sítí. Populace těchto vysokorychlostních nízkoenergetických nanoškálových neuronů lze také využít v neuromorfních ko-procesorech s kolokovanou pamětí a procesními jednotkami.
Vědci ze společnosti IBM uspořádali stovky umělých neuronů do populací a využili je k vytvoření rychlých a komplexních signálů. Umělé neurony mohou navíc vydržet miliardy spínacích cyklů, což při frekvenci aktualizace 100 Hz odpovídá řadě let fungování. Energie potřebná k aktualizaci každého neuronu byla nižší než pět pikojoulů a průměrný výkon byl 120 mikrowattů. Pro srovnání – k rozsvícení 60wattové žárovky je třeba 60 milionů mikrowattů.
„Populace stochastických fázově proměnlivých neuronů v kombinaci s dalšími nanoškálovými výpočetními prvky, jako jsou umělé synapse, by mohly být klíčovým základem k vytvoření nové generace extrémně hustých neuromorfních systémů,“ řekl Tomas Tuma, spoluautor odborného článku.1
Autor: Lucie Šišková redaktor
