Naukowiec z indyjskiego Instytutu Nauki (IISc) w Bengaluru pracował nad zastosowaniami powstających materiałów, które mogą pomóc komputerom naśladować funkcje, które mózg może wykonywać szybko.
„Chociaż w literaturze dostępnych jest kilka propozycji urządzeń synaptycznych, żadna nie pomaga wypełnić luki między biologicznymi sieciami neuronowymi a ich sztucznym odpowiednikiem. Nasza praca wykazała, że możliwe jest opracowanie systemów, które mogą naśladować funkcje podobne do mózgu. Może to pomóc komputerom w wykonywaniu funkcji poznawczych, identyfikować ludzi z tłumu, odróżniać zapachy, a także uczyć się i podejmować decyzje” – powiedział profesor Mayank Shrivastava z IISc, który jest również laureatem stypendium Swarna Jayanti 2020-21.
Od momentu powstania , zaawansowane systemy komputerowe wykorzystują architekturę von Neumanna, która wykorzystuje fizycznie odseparowane bloki przetwarzania i pamięci. Chociaż było to dotychczas najbardziej opłacalne podejście, fizyczne oddzielenie pamięci od bloków przetwarzania stało się ogranicznikiem szybkości zwiększania możliwości obliczeniowych zaawansowanych systemów nanoelektronicznych.
Poza tym architektura von Neumanna zawodzi w rzeczywistości. przetwarzanie w czasie informacji, które ludzki mózg może przetworzyć w ułamku sekundy. Mając na uwadze te luki, alternatywna architektura, inspirowana organizacją neuronów (jednostka przetwarzająca) i synaps (pamięć) w ludzkim mózgu, która naśladuje zachowania komputerowe podobne do mózgu, została znacząco zbadana w ciągu ostatniej dekady.
Znaczna ilość badań mających na celu zrozumienie podstawowych mechanizmów mózgu i eksploracji różnych nowatorskich architektur pamięci daje teraz społeczności inżynierskiej pewność, że opracowanie systemów, które mogą naśladować funkcje podobne do mózgu, jest możliwym do osiągnięcia celem na nadchodzące dziesięciolecia. Kluczowym elementem takiej architektury jest urządzenie pamięci zwane sztuczną synapsą, które jednak musi działać na zasadach biologicznych/synaptycznych.
Profesor Srivastava bada materiały takie jak azotek galu (GaN), atomowo cienki materiały dwuwymiarowe, takie jak grafen i dichalkogenidy metali przejściowych (TMDC), do różnych zastosowań w elektronice, urządzeniach zasilających, elektrooptyce, Thz, pamięci i kwantach. Używając grafenu i 2D-TMDCc, rozszerza możliwości urządzeń pamięci do pracy na zasadach biologicznych/synaptycznych i wypełnia lukę między biologicznymi sieciami neuronowymi a ich sztucznym odpowiednikiem.
Obecnie wraz ze swoją grupą badawczą opracowuje obwody neuromorficzne o grubości kilku atomów, urządzenia o ultrawysokiej mocy oparte na GaN o wysokiej niezawodności oraz urządzenia/obwody do pracy w częstotliwościach THz.
Praca profesora Shrivastava zaowocowała ponad 150 recenzami międzynarodowe publikacje i około 50 patentów, a on założył start-up produkcji GaN o nazwie AGNIT Semiconductors.
Większość z tych patentów jest albo licencjonowana przez firmy półprzewodnikowe, albo jest wykorzystywana w ich produktach. Jest także jednym ze współzałożycieli Pvt. Ltd. Company.
W ramach tego stypendium jego grupa planuje pracować nad nowatorskimi urządzeniami naśladującymi zachowanie przypominające mózg (obliczeniowe). Powinno to ostatecznie pomóc w opracowaniu obwodów neuromorficznych o grubości kilku atomów, które będą w stanie rozwiązać kilka złożonych problemów, które ludzki mózg może rozwiązać w ułamku sekundy, ale konwencjonalny komputer nie może tego zrobić w czasie rzeczywistym.
„Nadal jesteśmy zbyt daleko od zrealizowania systemu obliczeniowego podobnego do mózgu. (Ale) niniejsza praca wskaże drogę do wypełnienia krytycznych luk” – powiedział profesor Shrivastava.
FacebookTwitterLinkedin
