Cihazın sırrı, bilgiyi tıpkı insan beyni gibi eşzamanlı olarak işleyen ve depolayan yeni organik, elektrokimyasal “sinaptik transistörlerinde” yatıyor. Araştırmacılar, transistörün insan beynindeki sinapsların kısa ve uzun vadeli esnekliğini taklit ederek, zamanla öğrenmek için anılar üzerine inşa edebileceğini gösterdiler.
Beyin benzeri yeteneği ile, yeni transistör ve devre, enerji tüketen donanımları ve aynı anda birden fazla görevi yerine getirme konusundaki sınırlı yetenekleri dahil olmak üzere geleneksel bilgi işlemin sınırlamalarının üstesinden gelebilir. Beyin benzeri cihaz ayrıca daha yüksek hata toleransına sahiptir ve bazı bileşenler arızalandığında bile sorunsuz çalışmaya devam eder.
Northwestern’den, çalışmanın kıdemli yazarı Jonathan Rivnay, “Modern bilgisayar olağanüstü olmasına rağmen, insan beyni, örüntü tanıma, motor kontrol ve çoklu duyusal entegrasyon gibi bazı karmaşık ve yapılandırılmamış görevlerde onu kolayca geride bırakabilir” dedi. Bu, beynin hesaplama gücünün temel yapı taşı olan sinapsın esnekliği sayesindedir. Bu sinapslar, beynin son derece paralel, hataya dayanıklı ve enerji verimli bir şekilde çalışmasını sağlar. Çalışmamızda, biyolojik bir sinapsın temel işlevlerini taklit eden organik, plastik bir transistör gösteriyoruz. “
Rivnay, Northwestern’in McCormick Mühendislik Okulu’nda biyomedikal mühendisliği yardımcı doçentidir. Çalışmayı Hong Kong Üniversitesi’nde makine mühendisliği doçenti olan Paddy Chan ile birlikte yönetti. Rivnay’in grubunda doktora sonrası araştırmacı olan Xudong Ji, makalenin ilk yazarıdır.
Geleneksel bilgi işlemle ilgili sorunlar
Geleneksel, dijital bilgi işlem sistemleri ayrı işleme ve depolama birimlerine sahiptir ve bu da veri yoğun görevlerin büyük miktarlarda enerji tüketmesine neden olur. Son yıllarda, insan beynindeki birleşik hesaplama ve depolama sürecinden ilham alan araştırmacılar, bir nöron ağı gibi işlev gören bir dizi cihazla daha çok insan beyni gibi çalışan bilgisayarlar geliştirmeye çalıştılar.
Ji, “Mevcut bilgisayar sistemlerimizin çalışma şekli, hafıza ve mantığın fiziksel olarak ayrılmasıdır” dedi. “Hesaplama yaparsınız ve bu bilgiyi bir bellek birimine gönderirsiniz. Sonra bu bilgiyi her geri almak istediğinizde, onu hatırlamanız gerekir. Bu iki ayrı işlevi bir araya getirebilirsek, yerden tasarruf edebilir ve enerji maliyetlerinden tasarruf edebiliriz. “
Şu anda, bellek direnci veya “memristör”, birleşik işleme ve bellek işlevini gerçekleştirebilen en gelişmiş teknolojidir, ancak memristörler, enerji maliyetli anahtarlama ve daha az biyouyumluluktan muzdariptir. Bu dezavantajlar, araştırmacıları sinaptik transistöre, özellikle de düşük voltajlar, sürekli ayarlanabilir hafıza ve biyolojik uygulamalar için yüksek uyumluluk ile çalışan organik elektrokimyasal sinaptik transistöre yönlendirdi. Yine de zorluklar var.
Rivnay, “Yüksek performanslı organik elektrokimyasal sinaptik transistörler bile yazma işleminin okuma işleminden ayrılmasını gerektirir” dedi. “Dolayısıyla, belleği saklamak istiyorsanız, onu yazma işleminden ayırmanız gerekir, bu da devrelere veya sistemlere entegrasyonu daha da karmaşık hale getirebilir.”
Sinaptik transistör nasıl çalışır?
Bu zorlukların üstesinden gelmek için, Northwestern ve Hong Kong Üniversitesi ekibi, iyonları yakalayabilen organik, elektrokimyasal transistörde iletken, plastik bir malzemeyi optimize etti. Beyinde bir sinaps, bir nöronun, nörotransmiterler adı verilen küçük molekülleri kullanarak sinyalleri başka bir nörona iletebildiği bir yapıdır. Sinaptik transistörde iyonlar, yapay bir sinaps oluşturmak için terminaller arasında sinyaller göndererek nörotransmiterlere benzer şekilde davranır. Transistör, sıkışmış iyonlardan depolanan verileri saklayarak önceki etkinlikleri hatırlayarak uzun vadeli esneklik geliştirir.
Araştırmacılar, ilişkisel öğrenmeyi simüle etmek için tek sinaptik transistörleri bir nöromorfik devreye bağlayarak cihazlarının sinaptik davranışını gösterdiler. Devreye basınç ve ışık sensörleri entegre ettiler ve devreyi birbiriyle alakasız iki fiziksel girişi (basınç ve ışık) ilişkilendirmek için eğittiler.
Belki de çağrışımsal öğrenmenin en ünlü örneği, Pavlov’un yiyecekle karşılaştığında doğal olarak salya akıtan köpeğidir. Köpeği bir zil sesini yiyecekle ilişkilendirmek için şartlandırdıktan sonra, köpek de bir zil sesini duyduğunda salya akmaya başladı. Nöromorfik devre için araştırmacılar, parmakla bastırarak basınç uygulayarak bir voltajı etkinleştirdiler. Devrenin ışığı basınçla ilişkilendirmesini şartlandırmak için, araştırmacılar önce bir LED ampulden darbeli ışık uyguladılar ve ardından hemen basınç uyguladılar. Bu senaryoda, basınç besindir ve ışık çandır. Cihazın ilgili sensörleri her iki girişi de algıladı.
Bir eğitim döngüsünden sonra devre, ışık ve basınç arasında ilk bağlantı kurdu. Beş eğitim döngüsünden sonra devre, ışığı önemli ölçüde basınçla ilişkilendirdi.Işık tek başına bir sinyali veya “koşulsuz yanıt”ı tetikleyebiliyordu.
Gelecek uygulamalar
Sinaptik devre plastik gibi yumuşak polimerlerden yapıldığından, esnek tabakalar üzerinde kolaylıkla üretilebilir ve yumuşak, giyilebilir elektronikler, akıllı robotikler ve canlı doku ve hatta beyin ile doğrudan arayüz oluşturan implante edilebilir cihazlara kolayca entegre edilebilir.
Rivnay, “Uygulamamız konseptin bir kanıtı olsa da, önerilen devremiz daha fazla duyusal giriş içerecek şekilde genişletilebilir ve yerinde, düşük güçte hesaplama sağlamak için diğer elektroniklerle entegre edilebilir” dedi. “Biyolojik ortamlarla uyumlu olduğu için cihaz, yeni nesil biyoelektronik için kritik olan canlı dokuyla doğrudan arayüz oluşturabiliyor.”
