Ääniaallot antavat neuromorfisille siruille etulyöntiaseman aivojen matkimisessa
Университет Аризоны
Uusi tutkimus viittaa siihen, että ääniaaltojen käyttö neuromorfisissa laitteissa voi jäljitellä biologisia neuroneja paremmin, toimien nopeammin ja energiatehokkaammin kuin elektroniset vastineet. Tutkijoiden kehittämä akustinen synapsi käyttää useita phi-bittejä suorittamaan samanaikaisia laskutoimituksia, saavuttaen 96,7 prosentin tarkkuuden kukkien luokittelussa ja kuluttaen enintään kymmenesosan huippuluokan elektronisen neuromorfisen laitteiston tehosta.
Arizonan yliopiston tutkijat, johtajanaan Xiaodong Yan, ovat kehittäneet ääniaaltoja käyttävän akustisen synapsin, joka jäljittelee biologisia neuroneja paremmin kuin aiemmat laitteet. Laite koostuu kolmesta epoksiliimalla yhdistetystä alumiinitangosta, joihin on kiinnitetty ultraäänilähettimiä ja -antureita. Ääniaaltojen avulla tutkijat koodasivat dataa ja moduloivat phi-bittien vaihetta jäljitelläkseen synaptista plastisuutta, mikä mahdollistaa yhteyksien vahvistamisen tai heikentämisen ajan myötä. Testeissä akustinen synapsi suoriutui perinteistä monikerroksista perceptron-neuroverkkoa paremmin iiriksen kukkien luokittelussa saavuttaen 96,7 prosentin tarkkuuden vain 39 parametrilla ja saavuttaen huipputarkkuuden 20 prosenttia nopeammin. Laite kuluttaa enintään kymmenesosan nykyisten elektronisten neuromorfisten laitteistojen tehosta. Lisäksi lisäämällä yksi ylimääräinen tanko järjestelmä pystyy jäljittelemään neuromodulatorisia prosesseja, kuten dopamiinin ja serotoniinin vaikutusta, mikä mahdollistaa joustavan sopeutumisen biologisten aivojen tapaan. Tulokset julkaistiin Science Advances -lehdessä 12. kesäkuuta.
Lähde: IEEE Spectrum AI —
Alkuperäinen