Kohti aivomaisempaa tekoälytekniikkaa

(12.3.2026) Kalifornia San Diego yliopiston johtama insinööritiimi on kehittänyt uuden aivoista inspiroituneen laitteistoalustan, joka voisi auttaa tietotekniikan laitteistoa pysymään tekoälyn räjähdysmäisen kasvun vauhdissa.

Professori Duygu Kuzumin johdolla tutkijat kehittivät uusia laskenta-arkkitehtuureja, jotka tallentavat ja käsittelevät informaatiota samassa järjestelmässä, toisin kuin monet nykyiset neuromorfologiset teknologiat.¨

Aivoissa oppiminen ja laskenta eivät synny yksittäisistä neuroneista, jotka toimivat erillisinä komponentteina, selitti Kuzum. Sen sijaan ne syntyvät suurten neuroniverkostojen rikkaista ja dynaamisista vuorovaikutuksista, jotka kommunikoivat kollektiivisesti tilan ja ajan yli.

Tämän käyttäytymisen paremman havaitsemisen varmistamiseksi Kuzum ja hänen yhteistyökumppaninsa suunnittelivat laskenta-alustan, jossa monet solmut ovat fyysisesti yhteydessä saman materiaalin kautta ja voivat vaikuttaa toisiinsa verkon kautta.

Alusta on rakennettu vedyllä seostetusta perovskiitti-nikkelaatista, jota kutsutaan neodyyminikkelaatiksi. Se on eräänlainen kvanttimateriaali, joka tunnetaan epätavallisista sähköisistä ominaisuuksistaan.

Kun vetyioneja tuodaan materiaaliin, ne muodostavat pieniä pilviä sen pinnalle kuvioitujen metallielektrodien alle. Jännitepulssien kohdistaminen saa vetyionit liikkumaan materiaalin sisällä ja muuttamaan sen sähköistä vastusta. Tämä liike antaa järjestelmälle muistin kaltaisia ominaisuuksia. Jokainen solmu voi säilyttää lyhyen aikaa informaatiota viimeisimmistä signaaleista, kun taas erilliset ohjelmoitavat elementit tallentavat pitkäaikaisempaa informaatiota.

Samaan aikaan kaikki solmut ovat vuorovaikutuksessa niiden alla olevan yhteisen substraatin kautta. Aktiivisuus yhdessä paikassa vaikuttaa muiden käyttäytymiseen. Tämä yhteinen substraatti muistuttaa löyhästi aivojen hermosoluja ympäröivää ioninestettä, jossa signaalit leviävät ja vaikuttavat lähellä oleviin soluihin. Tämän yhteyden vuoksi minkä tahansa yksittäisen solmun lähtö riippuu siitä, mitä muu verkko tekee. Jos naapurisolmut vastaanottavat signaaleja, mitattu vaste muuttuu. Tämä luo kollektiivista käyttäytymistä koko järjestelmässä, samalla tavalla kuin aivoalueiden välinen kommunikaatio, selitti postdoc-tutkija Yue Zhou.

Toteutettu piiritekniikka käsittelee informaatiota käyttämällä spatiotemporaalista laskentaa, joka analysoi signaaleja sekä ajan kuluessa että verkon tilallisten vuorovaikutusten kautta. Saapuvat signaalit muunnetaan ensin sähköisiksi piikeiksi ja lähetetään verkkoon. Vuorovaikutuksessa olevat solmut muuntavat nämä signaalit monimutkaisiksi sisäisiksi kuvioiksi, jotka tallentavat sekä ajoitusinformaatiota että verkon dynamiikkaa. Toinen kerros ohjelmoitavia liitoksia lukee sitten nämä kuviot ja suorittaa luokittelutehtäviä.

Kokeilujen mukaan järjestelmä toimii erittäin nopeasti – satojen nanosekuntien mittakaavassa – ja käyttää hyvin vähän energiaa, noin 0,2 nanojoulea operaatiota kohden.

Kuzum huomautti, että tämä tehokkuus voisi tehdä teknologiasta hyödyllisen tekoälyn reunasovelluksissa kuten puettavat lääkinnälliset laitteet, älykkäät anturit, äänenkäsittelyjärjestelmät ja autonomiset koneet.

Teknologia on vielä alkuvaiheessa ja tulevassa työssä keskitytään järjestelmän skaalaamiseen; sen integrointiin perinteiseen puolijohde-elektroniikkaan; ja uusien sovellusten tutkimiseen.

Aineesta aiemmin:

Analoginen suljetun silmukan muistilaskenta

Ensimmäinen massamarkkinoiden neuromorfinen mikro-ohjain