Geluidsgolven geven neuromorfe chips een voorsprong in het nabootsen van de hersenen
Университет Аризоны
Een nieuwe studie suggereert dat het gebruik van geluidsgolven in neuromorfe apparaten biologische neuronen beter kan nabootsen, sneller werkt en een grotere energie-efficiëntie heeft dan elektronische tegenhangers. De akoestische synaps die door onderzoekers is ontwikkeld, gebruikt meerdere phi-bits om gelijktijdige berekeningen uit te voeren, behaalt een nauwkeurigheid van 96,7% bij bloemenclassificatie en verbruikt maximaal een tiende van het vermogen van de modernste elektronische neuromorfe hardware.
Onderzoekers van de Universiteit van Arizona, onder leiding van Xiaodong Yan, hebben een akoestisch synaps ontwikkeld dat gebruikmaakt van geluidsgolven en biologische neuronen beter nabootst. Het apparaat bestaat uit drie aluminium staven die met epoxylijm zijn verbonden, met ultrasone zenders en sensoren erop. Met geluidsgolven codeerden de onderzoekers gegevens en moduleerden ze de fase van phi-bits om synaptische plasticiteit na te bootsen, waardoor het apparaat verbindingen in de loop van de tijd kan versterken of verzwakken. In tests presteerde de akoestische synaps beter dan een conventioneel meerlagig perceptron-neuraal netwerk bij het classificeren van irisbloemen, met een nauwkeurigheid van 96,7% met slechts 39 parameters en een pieknauwkeurigheid die 20% sneller werd bereikt. Het apparaat verbruikt hoogstens een tiende van de energie van huidige elektronische neuromorfe hardware. Bovendien kon het systeem, door een extra staaf toe te voegen, neuromodulatoire processen nabootsen, zoals die waarbij dopamine en serotonine betrokken zijn, wat flexibele aanpassing mogelijk maakt, vergelijkbaar met biologische hersenen. De bevindingen werden op 12 juni gepubliceerd in Science Advances.
Bron: IEEE Spectrum AI —
origineel