Các kỹ sư phát triển thiết bị bán dẫn tiếp hợp nhân tạo hiệu suất cao và độ tin cậy cao
bởi Hội đồng Nghiên cứu Khoa học & Công nghệ Quốc gia
Nhà cung cấp hình ảnh: Viện Khoa học và Công nghệ Hàn Quốc (KIST)
Công nghệ hệ thống tính toán thần kinh mô phỏng bộ não con người phải khắc phục hạn chế tiêu thụ điện năng quá mức, đây là đặc điểm của phương pháp tính toán von Neumann hiện có. Cần phải có một thiết bị khớp thần kinh nhân tạo tương tự, hiệu suất cao có khả năng thể hiện sức mạnh kết nối khớp thần kinh để thực hiện một thiết bị bán dẫn sử dụng phương pháp truyền thông tin não bộ. Phương pháp này sử dụng các tín hiệu được truyền giữa các nơ-ron khi một nơ-ron tạo ra tín hiệu tăng đột biến.
Tuy nhiên, với các thiết bị nhớ biến đổi điện trở thông thường được sử dụng rộng rãi như các khớp thần kinh nhân tạo, khi dây tóc phát triển với điện trở khác nhau, điện trường tăng lên, gây ra hiện tượng phản hồi, dẫn đến dây tóc phát triển nhanh chóng. Do đó, rất khó để thực hiện độ dẻo trong khi duy trì sự thay đổi điện trở tương tự (dần dần) liên quan đến loại dây tóc.
Viện Khoa học và Công nghệ Hàn Quốc, dẫn đầu bởi nhóm của Tiến sĩ YeonJoo Jeong tại Trung tâm Kỹ thuật Thần kinh, đã giải quyết những hạn chế của các đặc tính tiếp hợp tương tự, tính dẻo và bảo quản thông tin, vốn là những trở ngại kinh niên liên quan đến bộ nhớ, thiết bị bán dẫn thần kinh. Ông đã công bố sự phát triển của một thiết bị bán dẫn tiếp hợp nhân tạo có khả năng tính toán thần kinh đa hình có độ tin cậy cao.
Nhóm nghiên cứu KIST đã tinh chỉnh các đặc tính oxy hóa khử của các ion điện cực hoạt động để giải quyết các vấn đề nhỏ về tính dẻo của khớp thần kinh cản trở hoạt động của các thiết bị bán dẫn thần kinh hiện có. Hơn nữa, các kim loại chuyển tiếp đã được pha tạp và sử dụng trong thiết bị tiếp hợp, kiểm soát xác suất khử của các ion điện cực hoạt động. Các kỹ sư phát hiện ra rằng xác suất khử cao của các ion là một biến số quan trọng trong việc phát triển các thiết bị tiếp hợp nhân tạo hiệu suất cao.
Ví dụ về công nghệ xử lý thông tin trực quan bằng cách sử dụng thiết bị tiếp hợp nhân tạo, xác nhận rằng tỷ lệ lỗi giảm hơn 60% bằng cách cải thiện hiệu suất của thiết bị. Nhà cung cấp hình ảnh: Viện Khoa học và Công nghệ Hàn Quốc (KIST)
Do đó, một kim loại chuyển tiếp titan, có xác suất khử ion cao, đã được nhóm nghiên cứu đưa vào một thiết bị tiếp hợp nhân tạo hiện có. Điều này duy trì các đặc tính tương tự của khớp thần kinh và độ dẻo của thiết bị tại khớp thần kinh của não sinh học, khoảng năm lần sự khác biệt giữa điện trở cao và thấp. Hơn nữa, họ đã phát triển một chất bán dẫn thần kinh hiệu suất cao hiệu quả hơn khoảng 50 lần.
Ngoài ra, do phản ứng hình thành hợp kim cao được thể hiện bởi kim loại chuyển tiếp titan pha tạp chất, khả năng lưu giữ thông tin tăng lên đến 63 lần so với thiết bị tiếp hợp nhân tạo hiện có. Hơn nữa, các chức năng của não, bao gồm khả năng chịu đựng lâu dài và trầm cảm lâu dài, có thể được mô phỏng chính xác hơn.
Nhóm đã triển khai mô hình học tập mạng nơ-ron nhân tạo bằng cách sử dụng thiết bị tiếp hợp nhân tạo được phát triển và cố gắng học nhận dạng hình ảnh trí tuệ nhân tạo. Tỷ lệ sai sót đã giảm hơn 60% so với thiết bị tiếp hợp nhân tạo hiện có; ngoài ra, độ chính xác nhận dạng hình ảnh chữ viết tay (MNIST) tăng hơn 69%. Nhóm nghiên cứu đã xác nhận tính khả thi của hệ thống tính toán thần kinh hiệu suất cao thông qua việc cải tiến thiết bị tiếp hợp nhân tạo này.
Ảnh chụp (a) Bộ thu năng lượng mặt trời, (b) Hệ thống chưng cất màng. Nhà cung cấp hình ảnh: Viện Khoa học và Công nghệ Hàn Quốc (KIST)
Tiến sĩ Jeong của KIST cho biết, "Nghiên cứu này đã cải thiện đáng kể phạm vi chuyển động và bảo quản thông tin của synap vốn là những rào cản kỹ thuật lớn nhất của các mô phỏng synap hiện có. các điểm mạnh đã được phát huy tối đa, do đó hiệu suất của tính toán trí tuệ nhân tạo dựa trên mô phỏng não sẽ được cải thiện.
"Trong nghiên cứu tiếp theo, chúng tôi sẽ sản xuất chip bán dẫn thần kinh dựa trên thiết bị khớp thần kinh nhân tạo đã phát triển để hiện thực hóa hệ thống trí tuệ nhân tạo hiệu suất cao, từ đó nâng cao hơn nữa khả năng cạnh tranh trong hệ thống nội địa và lĩnh vực bán dẫn trí tuệ nhân tạo."
Nghiên cứu được công bố trên tạp chí Nature Communications.
