パブロフの犬のように、デバイスは連想によって学習するように条件付けすることができます-ScienceDaily

by REVOLUSYNAPSE
0 comment


研究者たちは、連想によって学習できる脳のようなコンピューティングデバイスを開発しました。

有名な生理学者のイワン・パブロフが犬にベルを食べ物と関連付けるように調整したのと同様に、ノースウェスタン大学と香港大学の研究者は、光と圧力を関連付けるように回路を調整することに成功しました。

研究は4月30日にジャーナルに掲載されます ネイチャーコミュニケーションズ

このデバイスの秘密は、人間の脳と同じように情報を同時に処理および保存する、新しい有機電気化学「シナプストランジスタ」にあります。 研究者たちは、トランジスタが人間の脳のシナプスの短期的および長期的な可塑性を模倣し、記憶に基づいて時間をかけて学習できることを実証しました。

その脳のような能力により、新しいトランジスタと回路は、エネルギーを奪うハードウェアや複数のタスクを同時に実行する限られた能力など、従来のコンピューティングの制限を克服できる可能性があります。 脳のようなデバイスは、フォールトトレランスも高く、一部のコンポーネントに障害が発生してもスムーズに動作し続けます。

「現代のコンピューターは傑出していますが、人間の脳は、パターン認識、運動制御、多感覚統合などの複雑で構造化されていないタスクで簡単にそれを上回ることができます」と、ノースウェスタン大学のジョナサン・リヴネイ、研究の上級著者は述べています。 「これは、脳の計算能力の基本的な構成要素であるシナプスの可塑性のおかげです。これらのシナプスは、脳が高度に並列で、フォールトトレラントで、エネルギー効率の高い方法で機能することを可能にします。生物学的シナプスの重要な機能を模倣する有機プラスチックトランジスタ。」

Rivnayは、ノースウェスタン大学のマコーミック工学院の生物医学工学の助教授です。 彼は、香港大学の機械工学の准教授であるPaddyChanと共同で研究を主導しました。 Rivnayのグループのポスドク研究者であるXudongJiは、この論文の最初の著者です。

従来のコンピューティングの問題

従来のデジタルコンピューティングシステムには、個別の処理ユニットとストレージユニットがあり、データ集約型のタスクで大量のエネルギーを消費していました。 人間の脳におけるコンピューティングとストレージのプロセスの組み合わせに触発されて、研究者は近年、ニューロンのネットワークのように機能するデバイスのアレイを備えた、人間の脳のように動作するコンピューターの開発を模索しています。

「私たちの現在のコンピュータシステムが機能する方法は、メモリとロジックが物理的に分離されていることです」とJi氏は述べています。 「計算を実行し、その情報をメモリユニットに送信します。その後、その情報を取得するたびに、それを呼び出す必要があります。これら2つの別々の機能を組み合わせることができれば、スペースとエネルギーコストを節約できます。」

現在、メモリ抵抗、つまり「メモリスタ」は、処理とメモリ機能を組み合わせて実行できる最もよく開発されたテクノロジですが、メモリスタはエネルギーコストのかかるスイッチングと生体適合性の低下に悩まされています。 これらの欠点により、研究者はシナプストランジスタ、特に低電圧、連続的に調整可能なメモリ、および生物学的アプリケーションに対する高い互換性で動作する有機電気化学シナプストランジスタにたどり着きました。 それでも、課題は存在します。

「高性能の有機電気化学シナプストランジスタでさえ、書き込み操作を読み取り操作から切り離す必要があります」とRivnay氏は述べています。 「したがって、メモリを保持したい場合は、書き込みプロセスからメモリを切断する必要があります。これにより、回路やシステムへの統合がさらに複雑になる可能性があります。」

シナプストランジスタのしくみ

これらの課題を克服するために、北西部と香港大学のチームは、イオンをトラップできる有機電気化学トランジスタ内の導電性プラスチック材料を最適化しました。 脳では、シナプスは、神経伝達物質と呼ばれる小分子を使用して、ニューロンが別のニューロンに信号を送信できる構造です。 シナプストランジスタでは、イオンは神経伝達物質と同様に動作し、端子間で信号を送信して人工シナプスを形成します。 トラップされたイオンから保存されたデータを保持することにより、トランジスタは以前の活動を記憶し、長期的な可塑性を発達させます。

研究者たちは、単一のシナプストランジスタをニューロモルフィック回路に接続して連想学習をシミュレートすることにより、デバイスのシナプス動作を実証しました。 彼らは圧力センサーと光センサーを回路に統合し、2つの無関係な物理入力(圧力と光)を相互に関連付けるように回路をトレーニングしました。

おそらく、連想学習の最も有名な例は、食べ物に遭遇したときに自然によだれを垂らしたパブロフの犬です。 ベルリングを食べ物と関連付けるように犬を調整した後、ベルの音を聞いた犬もよだれを垂らし始めました。 ニューロモルフィック回路の場合、研究者は指で圧力を加えることによって電圧を作動させました。 光と圧力を関連付けるように回路を調整するために、研究者は最初にLED電球からのパルス光を適用し、次にすぐに圧力を適用しました。 このシナリオでは、圧力は食べ物であり、光は鐘です。 デバイスの対応するセンサーが両方の入力を検出しました。

1回のトレーニングサイクルの後、回路は光と圧力の間に最初の接続を確立しました。 5回のトレーニングサイクルの後、回路は光と圧力を有意に関連付けました。 光だけで、信号、つまり「無条件の応答」を引き起こすことができました。

将来のアプリケーション

シナプス回路はプラスチックのような柔らかいポリマーでできているため、柔軟なシート上に簡単に製造でき、生体組織や脳と直接インターフェースするソフトでウェアラブルな電子機器、スマートロボット工学、埋め込み型デバイスに簡単に統合できます。

「私たちのアプリケーションは概念実証ですが、提案された回路をさらに拡張して、より多くの感覚入力を含め、他の電子機器と統合して、オンサイトの低電力計算を可能にすることができます」とRivnay氏は述べています。 「このデバイスは生物学的環境と互換性があるため、次世代のバイオエレクトロニクスにとって重要な生体組織と直接インターフェースすることができます。」



Source link

Leave a Comment