Haaroittuva muisti mullistaa tekoälyn

Ryhmä Yhdysvaltain kansallisten laboratorioiden ja yliopistojen tutkijoita on kehittänyt piirirakenteen, joka pystyy lajittelemaan informaatiota samalla tavalla kuin ihmiskunnan tunnetuin kone: ihmisen aivot.

Tekoäly eli AI vaatii valtavan määrän laskentatehoa ja monipuolista laitteistoa kykyjensä tuottamiseksi. Tämän ongelman ratkaisemiseksi ryhmä tutkijoita Purduen yliopiston professori Shriram Ramanathanin johdolla on löytänyt tavan tehdä laitteistosta tehokkaampia.

Suurepmpi kuva

Ramanathan ja hänen tiiminsä käyttivät kvanttimateriaaleja kehittämään piirirakenteen, joka pystyy lajittelemaan informaatiota nopeasti ja tehokkaasti. Tutkijat aloittivat kokeilun tuomalla protonin neodyymi-nikkelioksidiin (NdNiO3).

Pian he huomasivat, että sähköpulssin käyttäminen materiaaliin liikutti protonia. Lisäksi havaittiin, että protonin jokainen uusi sijainti loi erilaisen resistanssitilan eli informaation tallennuspaikan. Useat sähköpulssit loivat muistitiloista muodostuvan haaran, joka jäljittelee ”puumaista” muistiprosessia ihmisen aivoissa.

”Tämä löytö avaa uuden rintaman tekoälylle. Idea on jäänyt huomiotta, koska kykyä toteuttaa tällaista älykkyyttä elektronisella laitteistolla ei ole ollut olemassa”, Ramanathan sanoo.

Tutkijatiimi valitsi NdNiO3:n koska sillä on ainutlaatuiset elektroniset ja magneettiset ominaisuudet. Yksi niistä on kyky siirtyä metallista eristeeksi lämpötilaa muuttamalla. Tässä tutkimuksessa Ramanathan osoitti siirtymisprosessin NdNiO3:ssa lisäämällä materiaaliin protoneja pikemminkin kuin muuttamalla lämpötilaa.

Ennen tätä löytöä tällainen hermosolun ”puumainen” verkko oli havaittu ainoastaan erittäin kylmissä lämpötiloissa.

Mahdolliset sovellukset liittyvät neuromorfisiin tietojenkäsittelyjärjestelmiin eli sellaisiin jotka voivat oppia ja suorittamaan tehtäviä itsenäisesti vuorovaikutuksessa ympäristönsä kanssa ja keinotekoisiin synapseihin, jotka jäljittelevät neuromorfisissa järjestelmissä biologisia synaptisia signaaleja aivojen kaltaisen laskennan ja itsenäisen oppimiskäyttäytymisen saavuttamiseksi.

Suurteholaskennan avulla tutkijat osoittivat kuinka sähkökentällä voi dramaattisesti muuttaa estettä (barrier), joka liittyy protonien migraatioon perovskiitti nikkelaateissa. Ja kukin puun haara on todennäköisesti erilainen protonin migraation pulssimaisella sähkökentällä ohjattu reitti.

Aiheen teoriaryhmän vetäjä Subramanian Sankaranarayanan toteaa, että älykkäiden ominaisuuksien jakaminen laitteistojen ja ohjelmistojen välillä on erityisen hyödyllistä edistyneissä sovelluksissa, kuten itse ajaviin autoihin tai hengenpelastavien lääkkeiden löytämiseen.

"Olemme uskomattoman ylpeitä roolistamme tämän kriittisen löydön mahdollisuuksien hyödyntämisessä", hän sanoo Argonne laboratorion tiedotteessa.

Tutkimusjulkaisu: Perovskite neural trees

Aiheesta aiemmin:

Memristoreita ja atomristoreita

Tarkempia ja tehokkaampia memristoreita