About / Advertise
Genombrott för memristor-neuroner
En skalbar metod att tillverka artificiella neuroner i memristorer. Det har forskare i Santa Barbara och New York tagit fram. Forskarna hoppas att deras teknik öppnar möjligheten att bygga stora och komplexa artificiella neuronnät i halvledare.| ARTFICIELLA NEURONNÄT simulerar biologiska hjärnor. Tekniken har på sistone haft mycket stora framgångar i en version kallad Deep Learning. Det är den som ligger bakom att röststyrning – som i decennier varit ett skämt även i mycket begränsade domäner – numera faktiskt fungerar riktigt bra i Apple Siri, Google Now, Microsoft Cortana och andra användargränssnitt. Det som gör memristorer spännande för artificiella neuronnät att de fungerar likadant som kopplingar mellan hjärnceller. Inlärning i ett biologiskt neuronnät sker genom att kopplingarna – synapserna – förstärks eller försvagas. En memristor är en programmerbar resistans och som klippt och skuren för att simulera en synaps. Som jämförelse behöver IBM:s berömda ANN-krets Synapse använda nära 20 transistorer för att implementera varje synaps. Den kan dessutom inte tränas på plats, utan laddas med ett färdigtränat nät. Människohjärnan tros innehålla runt 100 miljarder neuroner och mellan 100 och 1000 biljoner synapser. |
Det som forskarna lyckats med nu är att framställa en artificiell neuron i ren memristorteknik.
Kretsen går dessutom i princip att programmera på plats, medan en vanlig lösning i halvledarneuronnät idag är att skapa dem i en vanlig dator för att sedan ladda över dem fix färdiga till kretsen för användning. På detta vis är forskarnas memristorneuron mer lik en verklig hjärna.
En ynka neuron är det enda forskarna lyckats framställa hittills. Men de har testat den och den fungerar. Forskarna har utsatt den för ett standardtest att skilja mellan tre olika bokstäver – z, v och n i upplösningen 3 x 3 punkter – och det har den klarat perfekt.
Forskarnas memristor är av metalloxidtyp (Pt/Al2O3/TiO2-x/Pt).
Under experimentets gång omprogrammerades memristorerna på kretsen i snitt 200 000 gånger och fortsatte att fungera, trots att avstånden mellan ettan kring 10 kΩ och nollan kring 1 MΩ krympte lite grand med tiden.
Programmeringen är beständig i minst tio år, enligt uppvärmningstest. Läsning och skrivning gjordes på 500 µs. För träningen används en standardteknik kallad deltaregeln.
Nästa utmaning för forskarna är att skala upp tekniken, det vill säga att bygga fler och mindre memristorer på kretsen. Detta behövs om inte annat för att kunna demonstrera tekniken på roligare indata än 3x3-punktmatriser.
För programmeringen kan forskarna tänka sig två versioner, en där kretsen kopplas till en dator som assisterar, och en där kretsen tränar sig själv med en enklare regel och bara ett litet overhead av extra kretsar. Den sistnämnda metoden har man dock ännu inte fått att fungera.
Det kostar pengar att läsa själva forskningsrapporten, men det finns en fri bilaga med spännande detaljer om tillverkningen, användning och experiment.
Sex forskare har undertecknat rapporten, fyra från Kaliforniens universitet i Santa Barbara och två från Stony Brook-universitetet i New York.
