Sinaptik Buatan yang Mampu Simulasikan Fungsi Otak

Para peneliti telah mengembangkan perangkat sinaptik elektronik buatan (artificial synaptic) dengan reliabilitas tinggi yang mensimulasikan neuron dan sinapsis. Temuan ini diharapkan dapat digunakan dalam pengembangan kecerdasan buatan dan semikonduktor yang menyerupai otak.

Sebuah tim peneliti yang dipimpin Myoung-Jae Lee, Direktur Perangkat Sistem Cerdas dan Riset dari Daegu Gyeongbuk Institute of Science and Technology (DGIST), Korea Selatan, telah berhasil mengembangkan perangkat sinaptik buatan yang meniru fungsi sel-sel saraf (neuron) dan sinapsis yang merupakan respons memori di otak manusia.

Sinapsis adalah tempat akson dan dendrit bertemu sehingga neuron di otak manusia dapat mengirim dan menerima sinyal saraf, di mana ada ratusan triliun sinapsis di otak manusia.

Sistem transfer informasi sinaps kimia ini, yang mentransfer informasi dari otak, dapat menangani aritmatika paralel tingkat tinggi dengan sedikit energi, sehingga penelitian tentang perangkat sinaptik buatan, yang meniru fungsi biologis sinaps, sedang berlangsung di seluruh dunia.

Tim riset Dr. Lee, melalui penelitian bersama dengan tim yang dipimpin Profesor Gyeong-Su Park dari Seoul National University, Profesor Sung Kyu Park dari Chung-ang University, dan Profesor Hyunsang Hwang dari POSTEC, mengembangkan perangkat sinaptik buatan dengan keandalan tinggi dengan beberapa nilai yang menyusun tantalum oksida - bahan trans-logam - menjadi dua lapisan Ta2O5-x dan TaO2-x, dan dengan mengendalikan permukaannya.

Perangkat sinaptik buatan yang dikembangkan tim peneliti adalah perangkat sinaptik listrik yang mensimulasikan fungsi sinapsis di otak karena resistensi lapisan oksida tantalum secara bertahap meningkat atau menurun tergantung pada kekuatan sinyal listrik. Ini telah berhasil mengatasi batasan daya tahan perangkat saat ini dengan memungkinkan kontrol yang hanya pada satu lapisan Ta2O5-x.

Selain itu, tim peneliti berhasil menerapkan eksperimen yang mewujudkan plastisitas sinaps, yang merupakan proses pembuatan, penyimpanan, dan penghapusan ingatan, seperti penguatan jangka panjang dari memori dan penindasan memori jangka panjang dengan menyesuaikan kekuatan koneksi sinaps antara neuron.

Metode penyimpanan data multi-nilai non-volatil yang diterapkan tim peneliti memiliki keunggulan teknologi karena memiliki area kecil dari sistem perangkat sinaptik buatan, mengurangi kompleksitas sambungan sirkuit, dan mengurangi konsumsi daya hingga lebih dari seperseribu dibandingkan dengan penyimpanan data metode berdasarkan sinyal digital menggunakan 0 dan 1 seperti CMOS (Complementary Metal Oxide Semiconductor) volatil.

Perangkat sinaptik buatan dengan keandalan tinggi yang dikembangkan tim peneliti dapat digunakan dalam perangkat atau sirkuit ultra-daya rendah untuk memproses sejumlah besar data besar karena kemampuan aritmatika paralel daya rendahnya. Hal ini diharapkan dapat diterapkan untuk teknologi perangkat semikonduktor cerdas generasi berikutnya seperti pengembangan kecerdasan buatan.

"Penelitian ini menjamin keandalan perangkat sinaptik buatan yang ada dan memperbaiki daerah yang ditunjukkan sebagai kerugian. Kami berharap dapat berkontribusi pada pengembangan AI berdasarkan sistem neuromorfik yang meniru otak manusia dengan menciptakan sirkuit yang meniru fungsi neuron," ungkap Lee.

Komputasi Neuromorfis

Bagi mereka yang bekerja di bidang kecerdasan buatan canggih, mendapatkan komputer untuk mensimulasikan aktivitas otak adalah tugas raksasa, namun mungkin lebih mudah untuk mengelola jika perangkat keras dirancang lebih menyerupai perangkat keras otak untuk memulainya.

Bidang yang muncul ini disebut komputasi neuromorfis . Dan sekarang para insinyur di Massachusetts Institute of Technology (MIT), Massachusetts, AS, mungkin telah mengatasi rintangan yang signifikan.

Untuk saat ini, otak manusia jauh lebih kuat dari komputer manapun - mengandung sekitar 80 miliar neuron, dan lebih dari 100 triliun sinapsis menghubungkan mereka dan mengendalikan berlalunya sinyal.

Bagaimana chip komputer saat ini bekerja adalah dengan mentransmisikan sinyal dalam bahasa yang disebut biner. Setiap bagian informasi dikodekan dalam 1s dan 0s, atau sinyal on / off.

Untuk mendapatkan gambaran bagaimana ini bisa dibandingkan dengan otak, pertimbangkan hal ini, pada 2013, salah satu superkomputer paling kuat di dunia menjalankan simulasi aktivitas otak , hanya mencapai hasil yang sangat kecil.

Riken's K Computer menggunakan 82.944 prosesor dan satu petabyte memori utama - setara dengan sekitar 250.000 komputer desktop pada saat itu.

Butuh waktu 40 menit untuk mensimulasikan satu detik aktivitas 1,73 miliar neuron yang dihubungkan oleh sinapsis 10,4 triliun. Itu mungkin terdengar seperti banyak, tapi itu benar-benar setara dengan hanya satu persen dari otak manusia.

Replikasi ini telah terbukti sulit dilakukan saat ini - namun para periset di MIT sekarang merancang chip dengan sinaps buatan yang terbuat dari silikon germanium yang memungkinkan kontrol kekuatan arus listrik mengalir tepat, sama seperti aliran ion antar neuron. Dalam simulasi, digunakan untuk mengenali sampel tulisan tangan dengan akurasi 95 persen. pur/R-1

Jumlah Jalur Tak Terbatas

Desain sebelumnya untuk chip neuromorfik menggunakan dua lapisan konduktif yang dipisahkan medium switching amorf untuk bertindak seperti sinapsis .

Saat dinyalakan, ion mengalir melalui medium untuk membuat filamen konduktif untuk meniru bobot sinaptik, atau kekuatan atau kelemahan sinyal antara dua neuron.

Masalah dengan pendekatan ini adalah tanpa struktur yang pasti untuk dilalui, sinyal memiliki jumlah jalur yang tak terbatas - dan ini dapat membuat kinerja chip tidak konsisten dan tidak dapat diprediksi.

"Setelah Anda menerapkan beberapa voltase untuk mewakili beberapa data dengan neuron buatan, Anda harus menghapusnya dan dapat menulisnya lagi dengan cara yang persis sama," ungkap Profesor Jeehwan Kim, ketua peneliti dari MIT.

Dengan pemikiran ini, tim menciptakan kisi-kisi silikon germanium, dengan saluran satu dimensi yang melaluinya ion dapat mengalir. Ini memastikan jalur yang sama persis digunakan setiap saat.

Tim menguji chip pada tugas aktual dengan mensimulasikan karakteristiknya dan menggunakan sampel database tulisan tangan MNIST, yang biasanya digunakan untuk melatih perangkat lunak pengolah gambar.

Jaringan saraf tiruan buatan, yang terdiri dari tiga lembar saraf yang dipisahkan dua lapisan sinapsis buatan, mampu mengenali puluhan ribu angka tulisan tangan dengan akurasi 95 persen, dibandingkan akurasi 97 persen dari perangkat lunak yang ada.

"Pada akhirnya kami menginginkan chip sebesar kuku untuk menggantikan satu superkomputer besar," pungkas Kim. pur/R-1