Wissenschaftler haben eine künstliche Synapse für das zukünftige "Gehirn auf einem Chip" geschaffen.

Das menschliche Gehirn ist die unerforschteste Struktur im Universum. 100 Milliarden Neuronen übertragen Nervenimpulse mit unterschiedlichen Amplituden und Frequenzen von 100 Billionen Synapsen aufeinander. Mit diesem System lernen und lösen wir viele Probleme mit der Blitzgeschwindigkeit. Das Team von Ingenieuren am Massachusetts Institute of Technology schuf eine künstliche Synapse, die keinen der Hauptnachteile bestehender Proben aufweist - die Unvorhersehbarkeit der Ionenbewegung.



1906 wurde von Camillo Golgi und Santiage Ramón i Cahal der Nobelpreis für Medizin für Arbeiten zur Struktur des Nervensystems und zur Klassifizierung von Nervenzellen verliehen. Wissenschaftler und Ärzte haben in den letzten hundert Jahren viel über das menschliche Nervensystem und das Gehirn gelernt, aber bisher haben nicht alle Fragen Antworten. Besonders bedeutsam waren die Entdeckungen, die im Rahmen des Human Brain Project unter Verwendung der neuesten technologischen Fortschritte auf dem Gebiet der Elektronen- und 3D-Mikroskopie gemacht wurden.

Im Gehirn sind Neuronen durch Axone verbunden - eine Art elektrisches Kabel. Nervenimpulse entlang Axonen passieren mit Hilfe chemischer Mediatoren auf elektrische Weise Synapsen , wobei Ionen von einer Zelle zur anderen gelangen und gemischt werden, wenn eine chemische Übertragung den elektrischen Mechanismus verbessert.


Impulsübertragung zwischen zwei Neuronen. US-Gesundheitsministerium

Wissenschaftler, die auf dem Gebiet des neuromorphen Rechnens arbeiten, versuchen, einen Computer zu schaffen, der ähnlich wie das menschliche Gehirn funktioniert. Anstelle von binären Berechnungen mit Einsen und Nullen versuchen sie, Elemente zu verwenden, die "analoge" Signale mit verschiedenen "Schattierungen" übertragen, wie im menschlichen Gehirn, wobei das Signal von der Anzahl der Ionen abhängt, die die Synapse passieren. Wenn moderne Computer zum Lösen von Gleichungen und zum Ausführen von Algorithmen geeignet sind, können sie im Falle einer Interaktion mit der Umgebung nicht die Effizienz zeigen, die dem menschlichen Gehirn zur Verfügung steht: 2012 hat Google ein neuronales Netzwerk zur Erkennung von Katzen mit 1000 Servern und 16.000 Kernen erstellt . Kleine neuromorphe Chips können gleichzeitig Millionen von Berechnungen ausführen, die heute nur noch Supercomputer können.

Bei der Erstellung neuromorpher Chips zur Simulation einer Synapse werden am häufigsten amorphe Materialien verwendet. Die Ionen, die durch sie hindurchtreten, haben viele Bewegungsrichtungen. Dies ist die Schwierigkeit: Aus diesem Grund ist es unmöglich, genau vorherzusagen, wohin das Signal geht und wie viele Ionen auf der Straße verloren gehen.

Ingenieure des Massachusetts Institute of Technology entwarfen eine solche künstliche Synapse, in der sie die Richtung des durch sie hindurchtretenden elektrischen Signals steuern konnten. Anstelle von amorphen Materialien verwendeten die Wissenschaftler monokristallines Silizium , bei dem sie versuchten, einen Defekt zu erzeugen, durch den Ionen vorhersehbar passieren konnten. Ein mikroskopisches Muster in Form von Waben wurde auf einen Siliziumwafer aufgebracht. Eine Germaniumschicht mit einem ähnlichen Muster wurde auf diese Platte aufgebracht. Diese beiden Materialien bilden zusammen einen „Trichter“, durch den die Ionen auf einem genau definierten Weg fließen.

Dann testeten die Wissenschaftler die Wirksamkeit der Erfindung: Fast der gleiche Ionenfluss durchlief jede Synapse. Der Unterschied zwischen den Synapsen betrug bis zu 4%, und beim Testen einer Synapse für 700 Zyklen betrug die Änderung des Durchlassstroms von Zyklus zu Zyklus bis zu 1%. Nach Angaben der Entwickler wurden solche Ergebnisse bei Synapsen, die auf amorphen Materialien basieren, noch nicht erzielt.

Der letzte Test für die Entwicklung war die Aufgabe der Handschrifterkennung. Das Wissenschaftlerteam führte eine Computersimulation eines künstlichen neuronalen Netzwerks aus drei Schichten von Neuronen durch, die durch zwei Schichten künstlicher Synapsen verbunden sind, deren Eigenschaften ursprünglich anhand des von ihnen gebauten Chips gemessen wurden. Das Modell wurde mit Zehntausenden von Handschriftmustern geladen, die normalerweise von Entwicklern neuromorpher Chips verwendet werden. Das neuronale Netzwerk erkannte die Stichproben in 95% der Fälle, etwas schlechter als die 97% ige Genauigkeit bestehender Softwarealgorithmen. Das nächste Ziel des Teams ist es, einen funktionierenden neuromorphen Chip herzustellen, der das mithilfe der Simulation durchgeführte Experiment wiederholen kann.

„Wir möchten, dass ein Chip in der Größe eines Nagels einen großen Supercomputer ersetzt“, sagt der Leiter des Engineering-Teams.