Joustavuutta neuromorfiseen aistimiseen ilman akkua

Neuromorfiset laitteet, jotka on suunniteltu jäljittelemään biologisten neuroverkkojen ominaisuuksia, ovat lupaavia ehdokkaita vähän virtaa kuluttavien ja älykkäiden tunnistusteknologioiden, mukaan lukien puettavien sovellusten, kehittämiseen.

Suurempi kuva

Neuromorfiseen laskentaan tutkituista laitearkkitehtuureista grafeenikanavaiset ioni-geelillä ohjatut transistorit (g-IGT) ovat houkuttelevia elektronisten ominaisuuksiensa, joustavuutensa ja synaptisten painojen modulointikykynsä ansiosta.

Donggukin yliopiston professori Sejoon Leen johtama tutkimusryhmä on kehittänyt nyt ilman ulkoista teholähdettä toimivan omavoimaisen ja joustavan g-IGT-piirin, jota ohjaa triboelektrinen nanogeneraattori (TENG).

Professori Lee selittää heidän inspiraatiotaan: ”Ihmisen tuntoaistin mekanoreseptorit aistivat pienimmätkin mekaaniset häiriöt ja muuntavat ne hermostollisiksi piikeiksi. Tämän prosessin toistamiseksi sähköisesti integroimme triboelektrisen nanogeneraattorin g-IGT:hen, joka muuntaa mekaaniset ärsykkeet sähköisiksi signaaleiksi, jotka säätelevät suoraan keinotekoista synaptista käyttäytymistä ilman ulkoista käyttötehoa. ”

Merkittävää on, että tutkijat osoittivat laitteen pystyvän hyödyntämään hierarkkisia muistiprosesseja, jotka muistuttavat biologisia neuroverkkoja. Tarkemmin sanottuna laite pystyy hyödyntämään aistimuistia, jonka hajoamisaika on noin 70 millisekuntia, ja lyhytkestoista muistia (STM), jonka hajoamisaika on 0,2–0,45 sekuntia. Lisäksi toistuva stimulaatio voi muuttaa lyhytkestoisen muistin pitkäaikaiseksi muistiksi, jonka hajoamisaika on yli 2 sekuntia.

Tutkijat osoittivat myös piikkien nopeudesta riippuvan plastisuuden (SRDP), perustavanlaatuisen oppimis- ja muistimekanismin, joka mahdollistaa synaptisen voimakkuuden muuttumisen tulevien piikkien taajuuden mukaan. Tämä SRDP:n toiminnallisuus pysyi vakaana jopa taivutuksen aikana.

Lisäksi tutkijat arvioivat laitteen oppimiskykyä toteuttamalla sen kokeellisesti mitatun synaptisen käyttäytymisen yksikerroksisessa tekoälyverkossa ihmisen toiminnan tunnistamiseksi. Käyttämällä julkisesti saatavilla olevaa ihmisen liikedataa järjestelmä luokitteli kuusi ihmisen toimintaa: kävelyn, istumisen, seisomisen, makaamisen, yläkertaan kävelemisen ja alakertaan kävelemisen 88 %:n tarkkuudella käyttäen TENG-ohjattua synaptista käyttäytymistä taivutuksen aikana.

Tämän teknologian potentiaalisia sovelluksia ovat omavoimaiset puettavat terveyden seurantalaitteet, elektroninen iho, älykkäät proteesit, ihmisen ja koneen rajapinnat ja älykkäät liikkumisen valvontajärjestelmät.

Aiheesta aiemmin:

Yhtä aikaa analoginen ja digitaalinen

Älykäs ja muistava molekyylianturi

Keinoihot ja tekoäly