연구자들은 인간의 두뇌에서 영감을 받아 더 높은 수준의 사고가 가능한 새로운 시냅스 트랜지스터를 개발했습니다.

노스웨스턴 대학, 보스턴 대학, 매사추세츠 공과대학(MIT) 연구진이 설계한 이 장치는 컴퓨터와 마찬가지로 정보를 동시에 처리하고 저장합니다.인간의 뇌.새로운 실험에서 연구진은 트랜지스터가 단순한 기계 학습 작업을 넘어 데이터를 분류하고 연관 학습을 수행할 수 있음을 입증했습니다.

이전 연구에서는 뇌와 유사한 컴퓨팅 장치를 개발하기 위해 유사한 전략을 활용했지만 이러한 트랜지스터는 극저온 밖에서는 작동할 수 없습니다.대조적으로, 새로운 장치는 실온에서 안정적이다.또한 빠른 속도로 작동하고 에너지를 거의 소비하지 않으며 전원이 제거된 경우에도 저장된 정보를 유지하므로 실제 애플리케이션에 이상적입니다.그만큼

공부하다는 "상온 뉴로모픽 기능을 갖춘 모아레 시냅스 트랜지스터"라는 제목으로 12월 20일 저널에 게재되었습니다.자연.연구를 공동 주도한 Northwestern의 Mark C. Hersam은 “뇌는 디지털 컴퓨터와 근본적으로 다른 구조를 가지고 있습니다.”라고 말했습니다.“디지털 컴퓨터에서는 데이터가 마이크로프로세서와 메모리 사이를 오가는데, 이로 인해 동시에 여러 작업을 수행하려고 할 때 많은 에너지가 소모되고 병목 현상이 발생합니다. 반면에 뇌에서는 기억과 정보가

프로세싱은 같은 위치에 있고 완전히 통합되어 에너지 효율성이 훨씬 더 높아집니다.

정보 처리뇌를 더욱 충실하게 모방하는 기능을 제공합니다."Hersam은 Northwestern McCormick School of Engineering의 재료 과학 및 공학과 Walter P. Murphy 교수입니다.

그는 또한 재료 과학 및 공학부 학과장, 재료 연구 과학 및 엔지니어링 센터 소장, 국제 나노기술 연구소(International Institute for Nanotechnology) 회원이기도 합니다.Hersam은 Boston College의 Qiong Ma 및 MIT의 Pablo Jarillo-Herrero와 함께 연구를 공동 주도했습니다.

최근 발전인공지능(AI)는 연구자들이 인간의 두뇌와 더 비슷하게 작동하는 컴퓨터를 개발하도록 동기를 부여해 왔습니다.기존의 디지털 컴퓨팅 시스템에는 별도의 처리 장치와 저장 장치가 있어 데이터 집약적인 작업에 많은 양의 에너지가 소모됩니다.스마트 장치가 지속적으로 방대한 양의 데이터를 수집함에 따라 연구자들은 전력을 더 많이 소비하지 않고도 모든 데이터를 처리할 수 있는 새로운 방법을 찾기 위해 안간힘을 쓰고 있습니다.

현재 메모리 저항기, 즉 '멤리스터(memristor)'는 프로세싱과 메모리 기능을 결합해 수행할 수 있는 가장 잘 발달된 기술이다.그러나 멤리스터는 여전히 에너지 비용이 많이 드는 스위칭으로 인해 어려움을 겪고 있습니다.

Hersam은 "지난 수십 년 동안 전자 분야의 패러다임은 모든 것을 트랜지스터로 만들고 동일한 실리콘 아키텍처를 사용하는 것이었습니다"라고 말했습니다.

"단순히 더 많은 트랜지스터를 집적 회로에 포장함으로써 상당한 진전이 이루어졌습니다. 그 전략의 성공을 부정할 수는 없지만, 특히 디지털 컴퓨팅이 활성화된 현재 빅 데이터 시대에는 높은 전력 소비를 희생해야 합니다.특히 AI와 머신러닝 작업을 위해 컴퓨팅 하드웨어를 다시 생각해야 합니다."

이 패러다임을 다시 생각하기 위해 Hersam과 그의 팀은 두 패턴이 서로 겹쳐질 때 발생하는 기하학적 디자인의 일종인 모아레 패턴 물리학의 새로운 발전을 탐구했습니다.2차원 물질이 쌓이면 한 겹만으로는 존재하지 않는 새로운 물성이 나타난다.그리고 이러한 층을 비틀어 모아레 패턴을 형성하면 전자 특성의 전례 없는 조정 가능성이 가능해집니다.

새로운 장치를 위해 연구원들은 두 가지 유형의 원자적으로 얇은 재료를 결합했습니다.이중층 그래핀및 육방정계 질화붕소.쌓고 의도적으로 비틀었을 때 재료는 모아레 패턴을 형성했습니다.한 층을 다른 층에 대해 회전시킴으로써 연구진은 비록 원자 규모의 크기로만 분리되어 있더라도 각 그래핀 층에서 서로 다른 전자 특성을 얻을 수 있었습니다.연구자들은 올바른 트위스트 선택을 통해 실온에서 뉴로모픽 기능을 위해 모아레 물리학을 활용했습니다.

"새로운 설계 매개변수로서 비틀림을 사용하면 순열의 수가 방대해집니다"라고 Hersam은 말했습니다."그래핀과육각형 질화붕소구조적으로는 매우 유사하지만 유난히 강한 모아레 효과를 얻을 만큼 충분히 다릅니다."

트랜지스터를 테스트하기 위해 Hersam과 그의 팀은 유사하지만 동일하지는 않은 패턴을 인식하도록 트랜지스터를 훈련시켰습니다.2023년 초 Hersam은새로운 나노전자소자를 선보였습니다.에너지 효율적인 방식으로 데이터를 분석하고 분류할 수 있지만 그의 새로운 시냅스 트랜지스터는 기계 학습과 AI를 한 단계 더 발전시킵니다.

Hersam은 "AI가 인간의 생각을 모방하기 위한 것이라면 가장 낮은 수준의 작업 중 하나는 데이터를 분류하는 것인데, 이는 단순히 저장소로 분류하는 것입니다."라고 Hersam은 말했습니다."우리의 목표는 AI 기술을 더 높은 수준의 사고 방향으로 발전시키는 것입니다. 실제 조건은 현재 AI 알고리즘이 처리할 수 있는 것보다 더 복잡한 경우가 많기 때문에 우리는 새로운 장치의 고급 기능을 검증하기 위해 더 복잡한 조건에서 테스트했습니다."

먼저 연구원들은 장치에 하나의 패턴인 000(연속된 3개의 0)을 보여주었습니다.그런 다음 AI에게 111이나 101과 같은 유사한 패턴을 식별하도록 요청했습니다. Hersam은 "000을 감지하도록 훈련한 다음 111과 101을 제공하면 111이 101보다 000과 더 유사하다는 것을 알게 됩니다"라고 Hersam은 설명했습니다."000과 111은 정확히 동일하지는 않지만 둘 다 연속된 세 자리 숫자입니다. 유사성을 인식하는 것은 연관 학습으로 알려진 더 높은 수준의 인지 형태입니다."

실험에서 새로운 시냅스 트랜지스터는 유사한 패턴을 성공적으로 인식하여 연관 기억을 표시했습니다.연구자들이 불완전한 패턴을 주는 것처럼 변화구를 던졌을 때에도 여전히 성공적으로 연관 학습을 보여주었습니다.

Hersam은 "현재 AI는 혼동하기 쉬우며 특정 상황에서 큰 문제를 일으킬 수 있습니다."라고 말했습니다."자율주행 차량을 사용하고 있는데 기상 조건이 악화된다고 상상해 보세요. 차량은 인간 운전자만큼 복잡한 센서 데이터를 해석하지 못할 수도 있습니다. 하지만 우리가 트랜지스터에 불완전한 입력을 주더라도여전히 올바른 응답을 식별할 수 있습니다."