TX, 20/09/2022
Por CNPCT
A tecnologia de sistema de computação neuromórfica que imita o cérebro humano deve superar a limitação do consumo excessivo de energia, que é característica do método de computação de von Neumann existente. Um dispositivo de sinapse artificial analógico de alto desempenho capaz de expressar a força da conexão de sinapse é necessário para implementar um dispositivo semicondutor que usa um método de transmissão de informações cerebrais. Este método usa sinais transmitidos entre neurônios quando um neurônio gera um sinal de pico.
No entanto, com dispositivos convencionais de memória variável de resistência amplamente utilizados como sinapses artificiais, à medida que o filamento cresce com resistência variável, o campo elétrico aumenta, causando um fenômeno de feedback, resultando em crescimento rápido do filamento. Portanto, é um desafio implementar a plasticidade mantendo a variação de resistência analógica (gradual) em relação ao tipo de filamento.
O Instituto de Ciência e Tecnologia da Coréia, liderado pela equipe do Dr. YeonJoo Jeong no Centro de Engenharia Neuromórfica, resolveu as limitações das características sinápticas analógicas, plasticidade e preservação da informação, que são obstáculos crônicos em relação aos memristores, dispositivos semicondutores neuromórficos. Ele anunciou o desenvolvimento de um dispositivo semicondutor sináptico artificial capaz de computação neuromórfica altamente confiável.
A equipe de pesquisa KIST ajustou as propriedades redox dos íons de eletrodos ativos para resolver pequenos problemas de plasticidade sináptica que dificultam o desempenho dos dispositivos semicondutores neuromórficos existentes. Além disso, metais de transição foram dopados e utilizados no dispositivo sináptico, controlando a probabilidade de redução de íons eletrodos ativos. Os engenheiros descobriram que a alta probabilidade de redução de íons é uma variável crítica no desenvolvimento de dispositivos sinápticos artificiais de alto desempenho.
Portanto, um metal de transição de titânio, com alta probabilidade de redução de íons, foi introduzido pela equipe de pesquisa em um dispositivo sináptico artificial existente. Isso mantém as características analógicas da sinapse e a plasticidade do dispositivo na sinapse do cérebro biológico, aproximadamente cinco vezes a diferença entre resistências altas e baixas. Além disso, eles desenvolveram um semicondutor neuromórfico de alto desempenho que é aproximadamente 50 vezes mais eficiente.
Além disso, devido à alta reação de formação de liga exibida pelo metal de transição titânio dopado, a retenção de informações aumentou até 63 vezes em comparação com o dispositivo sináptico artificial existente. Além disso, as funções cerebrais, incluindo a potenciação a longo prazo e a depressão a longo prazo, podem ser simuladas com mais precisão.
A equipe implementou um padrão de aprendizado de rede neural artificial usando o dispositivo sináptico artificial desenvolvido e tentou o aprendizado de reconhecimento de imagem de inteligência artificial. A taxa de erro foi reduzida em mais de 60% em comparação com o dispositivo sináptico artificial existente; além disso, a precisão do reconhecimento do padrão de imagem de caligrafia (MNIST) aumentou em mais de 69%. A equipe de pesquisa confirmou a viabilidade de um sistema de computação neuromórfica de alto desempenho através disso melhorou o dispositivo sináptico artificial.
Dr. Jeong do KIST disse: "Este estudo melhorou drasticamente a amplitude sináptica de movimento e preservação de informações, que eram as maiores barreiras técnicas dos miméticos sinápticos existentes. No dispositivo de sinapse artificial desenvolvido, a área de operação analógica do dispositivo para expressar as várias conexões da sinapse pontos fortes foi maximizado, de modo que o desempenho da computação de inteligência artificial baseada em simulação cerebral será melhorado."
"Na pesquisa de acompanhamento, fabricaremos um chip semicondutor neuromórfico baseado no dispositivo de sinapse artificial desenvolvido para realizar um sistema de inteligência artificial de alto desempenho, aumentando ainda mais a competitividade no sistema doméstico e no campo de semicondutores de inteligência artificial".
Artigos recomendados: IA e BCI
Nenhum comentário:
Postar um comentário