Naukowcy z Northwestern University stworzyli przełomowy tranzystor, który działa podobnie do ludzkiego mózgu i może wykonywać zadania poznawcze, z którymi obecne systemy sztucznej inteligencji (AI) często sobie nie radzą. Nazywany „synaptycznym tranzystorem”, imituje on architekturę mózgu, gdzie moc obliczeniowa i pamięć są ze sobą w pełni zintegrowane, w przeciwieństwie do tradycyjnej architektury komputerowej, gdzie procesor i pamięć to oddzielne komponenty.
Mark Hersam, współlider badania, zaznacza, że mózg funkcjonuje zupełnie inaczej niż cyfrowy komputer. W komputerze, dane są przesyłane między mikroprocesorem a pamięcią, co zużywa dużo energii i tworzy wąskie gardło przy próbie jednoczesnego wykonywania wielu zadań.
Dzięki swojej zintegrowanej strukturze, synaptyczny tranzystor osiąga znacznie wyższą efektywność energetyczną i umożliwia bardzo szybki przepływ danych. Naukowcy podkreślają, że nowa architektura obliczeniowa jest potrzebna, ponieważ poleganie na konwencjonalnej elektronice w dobie dużych danych i rosnącego zapotrzebowania na obliczenia AI doprowadzi do bezprecedensowego zużycia energii.
Dotychczasowe synaptyczne tranzystory działały tylko w ekstremalnie niskich temperaturach. Jednak nowy tranzystor wykorzystuje materiały, które działają w temperaturze pokojowej. Naukowcy użyli do tego celu dwuwarstwowego grafenu (BLG) i heksagonalnego azotku boru (hBN), które ułożyli w taki sposób, by powstał tzw. wzór moiré.
Tranzystor został przetestowany w procesie, który nazywa się asocjacyjnym uczeniem się, co jest zadaniem, z którym większość systemów uczenia maszynowego sobie nie radzi. W jednym z eksperymentów AI nauczyło się rozpoznawać sekwencję 000, a następnie identyfikowało podobne wzory, takie jak 111 czy 101, co jest proste, ale stanowi wyzwanie dla obecnych narzędzi AI.
Mark Hersam uważa, że możliwości tego nowego tranzystora to dopiero początek w rozwijającej się dziedzinie neuromorficznego obliczania moiré. Jego zastosowanie może otworzyć drogę do tworzenia wysoko energooszczędnych układów scalonych, które będą zasilane zaawansowanymi systemami AI i uczenia maszynowego.
Źródło: Live Science