Китайские ученые разработали компьютерное устройство, похожее на мозг человека

Секрет разработки заключается в новых органических электрохимических «синаптических транзисторах», которые одновременно обрабатывают и хранят информацию, как человеческий мозг. Исследователи продемонстрировали, что транзистор может имитировать краткосрочную и долгосрочную пластичность синапсов в человеческом мозгу, опираясь на воспоминания, которые нужно учить с течением времени.

Обладая похожими на мозг способностями, новый транзистор и схема потенциально могут преодолеть ограничения традиционных вычислений, включая их энергосберегающее оборудование и ограниченную способность выполнять несколько задач одновременно. Подобное мозгу устройство также имеет более высокую отказоустойчивость, продолжая работать без сбоев даже при выходе из строя некоторых компонентов.

«Несмотря на то, что современный компьютер достаточно производительный, человеческий мозг может легко превзойти его в некоторых сложных и неструктурированных задачах, таких как распознавание образов, моторный контроль и мультисенсорная интеграция», – рассказал Джонатан Ривней из Northwestern, старший автор исследования. «Это происходит благодаря пластичности синапса, который является основным строительным блоком вычислительной мощности мозга. Эти синапсы позволяют мозгу работать в высокопараллельной, отказоустойчивой и энергоэффективной манере. В своей работе мы демонстрируем органический пластиковый транзистор, который имитирует ключевые функции биологического синапса».

Проблемы с обычными вычислениями

Обычные цифровые вычислительные системы имеют отдельные блоки обработки и хранения, в результате чего задачи с большим объемом данных потребляют большое количество энергии. Вдохновленные объединенным процессом вычислений и хранения в человеческом мозге, исследователи в последние годы стремились разработать компьютеры, которые работают больше как человеческий мозг, с массивами устройств, которые функционируют как сеть нейронов.

«Наши нынешние компьютерные системы работают так, что память и логика физически разделены», – сказал Джи. «Вы выполняете вычисление и отправляете эту информацию в блок памяти. Затем каждый раз, когда вы хотите получить эту информацию, вы должны ее вызывать. Если мы сможем объединить эти две отдельные функции, мы сэкономим и место и на энергозатратах».

В настоящее время резистор памяти, или «мемристор», является наиболее развитой технологией, которая может выполнять комбинированную функцию обработки и памяти, но мемристоры страдают от энергозатратного переключения и меньшей биосовместимости. Эти недостатки привели исследователей к синаптическому транзистору, особенно к органическому электрохимическому синаптическому транзистору, который работает с низким напряжением, постоянно настраиваемой памятью и высокой совместимостью для биологических приложений. 

«Даже высокоэффективные органические электрохимические синаптические транзисторы требуют, чтобы операция записи была отделена от операции чтения», – объяснил Ривней. «Поэтому, если вы хотите сохранить память, вы должны отключить ее от процесса записи, что может еще больше усложнить интеграцию в схемы или системы».

Как работает синаптический транзистор

Чтобы преодолеть эти проблемы, команда разработчиков оптимизировала проводящий пластиковый материал в органическом электрохимическом транзисторе, который может улавливать ионы. В головном мозге синапс – это структура, через которую нейрон может передавать сигналы другому нейрону, используя небольшие молекулы, называемые нейротрансмиттерами. В синаптическом транзисторе ионы ведут себя так же, как нейротрансмиттеры, посылая сигналы между терминалами, чтобы сформировать искусственный синапс. Сохраняя данные от захваченных ионов, транзистор запоминает предыдущие действия, развивая долговременную пластичность.

Исследователи продемонстрировали синаптическое поведение своего устройства, подключив одиночные синаптические транзисторы в нейроморфную цепь для имитации ассоциативного обучения. Они интегрировали в схему датчики давления и света и обучили схему связывать два несвязанных физических входа (давление и свет) друг с другом.

Возможно, самый известный пример ассоциативного обучения – собака Павлова, которая, естественно, пускала слюни, когда сталкивалась с едой. После того, как собака научилась ассоциировать звон колокольчика с едой, она также начала пускать слюни, когда услышала звук колокольчика. Для нейроморфной схемы исследователи активировали напряжение, используя давление от нажатия пальцем. Чтобы схема связала свет с давлением, исследователи сначала применили импульсный свет от светодиодной лампы, а затем сразу же применили давление. В этом сценарии давление – это еда, а свет – это звонок. 

После одного тренировочного цикла схема установила первоначальную связь между светом и давлением. После пяти тренировочных циклов, схема ассоциировала свет с давлением. Только свет был способен вызвать сигнал или «безусловный отклик».

Будущие приложения

Поскольку синаптическая схема сделана из мягких полимеров, таких как пластик, ее можно легко изготовить на гибких листах и ​​легко интегрировать в мягкую носимую электронику, интеллектуальную робототехнику и имплантируемые устройства, которые напрямую взаимодействуют с живой тканью и даже с мозгом.

«Несмотря на то, что наше приложение является доказательством правильности концепции, предлагаемая нами схема может быть расширена за счет включения большего количества сенсорных входов и интеграции с другой электроникой для обеспечения возможности вычислений с низким энергопотреблением на месте», – сказал Ривнай. «Поскольку устройство совместимо с биологической средой, оно может напрямую взаимодействовать с живой тканью, что имеет решающее значение для биоэлектроники следующего поколения».