Nalazite se
Članak
Objavljeno: 23.04.2024. 13:41

IIT Bombay 

2D tranzistori oponašaju mozak skakavaca

Istraživači su izradili tranzistor koji je sposoban detektirati prepreke kada je ugrađen u njihov dizajn umjetnog neuronskog kruga.

2D tranzistori oponašaju mozak skakavaca

Jedan od ključnih izazova kod robota i autonomnih vozila je sposobnost točnog i brzog otkrivanja pokretnih prepreka. Postojeći sustavi detekcije prepreka, koji se temelje na složenim algoritmima i sustavima računalnog vida, često su neučinkoviti u smislu potrošnje energije i veličine.

U nedavnoj studiji, istraživači s Indijskog instituta za tehnologiju Bombay (IIT Bombay) i King's Collegea u Londonu, dizajnirali su i izradili tranzistor ultra niske snage, koji je, kada je ugrađen u njihov dizajn umjetnog neuronskog sklopa, sposoban detektirati prepreke.

Istraživače je motivirala jedinstvena sposobnost mozga da obrađuje informacije na osebujan način. Osobito su obratili pažnju na ponašanje neurona koji se nalazi u skakavcima koji detektira moguće sudare. Neuron, nazvan lobula gigantski detektor pokreta (LGMD), igra ključnu ulogu u pomaganju skakavcima da izbjegnu sudare s objektima na svom putu.

Mehanizam je sličan načinu rada računala, ali mozak to radi na puno energetski učinkovitiji način. U trenutnoj studiji, tim je dizajnirao novu vrstu umjetnog neuronskog kruga male snage koji blisko oponaša ponašanje ovog neurona za detekciju sudara koji se nalazi u skakavcima.

 

41699_2023_422_Fig1_HTML

Novi umjetni neuronski krug dizajniran je uključivanjem modela novog tranzistora izgrađenog korištenjem dvodimenzionalnog (2D) materijalnog kanala. Korištenje ultratankih 2D materijala omogućuje rekonfigurabilan rad s niskom potrošnjom energije, što ga čini prikladnim za energetski učinkovite primjene. Tranzistor je pažljivo dizajniran i proizveden kako bi replicirao ponašanje natrijevog kanala u biološkim neuronima. Time što radi pod režimom niske struje, to mu povećava energetsku učinkovitost.

Objašnjavajući razlog odabira 2D materijala za tranzistor, prof. Saurabh Lodha, s Odsjeka za elektrotehniku, Indijskog instituta za tehnologiju u Bombaju i glavni autor studije kaže: "Za razliku od modernih računala, ljudski mozak troši izuzetno malo snaga za memoriju i računalstvo. Stoga je niska potrošnja energije ključni zahtjev za neuromorfnu elektroniku. 2D materijali su idealno prikladni za ovu svrhu zbog svoje atomski tanke prirode koja omogućuje izvrsnu elektrostatičku kontrolu što dovodi do rada male snage. Iako se konvencionalni poluvodiči poput silicija također mogu stanjiti, oni dramatično gube svoje performanse pri smanjenoj debljini, za razliku od 2D materijala”.

Istraživači su pokazali nisku potrošnju energije u simulacijama uključivanjem modela novosagrađenog tranzistora u neuronski krug. Pokazali su da umjetni neuronski krug blisko odgovara bitnim računalnim značajkama LGMD neurona. Može generirati skokove poput LGMD-a, pri čemu se skokovi napona proizvode kao odgovor na ulazni strujni signal i detektirati prepreke uz niske potrošnje energije. Energija po šiljku umjetnog neurona procjenjuje se na oko 3,5 picodžula (pJ), što ga čini visoko energetski učinkovitim u usporedbi s postojećim biomimetičkim šiljastim neuronima.

41699_2023_422_Fig4_HTML

Neuronski krug nalik LGMD-u, kada je dobio ulaze koji oponašaju sudare, bio je u stanju točno detektirati nadolazeće objekte, signalizirajući potencijalni sudar, uz potrošnju energije manju od 100 pJ. Nadalje, krug je mogao razlikovati dolazeće objekte od onih koji se povlače, pružajući selektivan odgovor na objekte koji se približavaju na putanji izravnog sudara. Ta je selektivnost ključna za određivanje prioriteta odgovora sustava na potencijalne prijetnje. Umjetni neuron također nastavlja pouzdano funkcionirati čak i kada postoje varijacije u struji ili šumu na ulazu, što ga čini robusnim i pouzdanim za aplikacije u stvarnom svijetu.

Rezultati ovog istraživanja imaju važne implikacije u području autonomne robotike i navigacije vozila. Krug šiljastih neurona ultra niske snage mogao bi se neprimjetno integrirati u postojeće sustave, omogućujući precizno i ​​energetski učinkovito otkrivanje prepreka. To bi moglo uvelike povećati sigurnost i pouzdanost autonomnih vozila koja rade u nepoznatim ili dinamičnim okruženjima.

Nalazi istraživanja mogu potencijalno revolucionirati otkrivanje i izbjegavanje prepreka i utrti put daljnjem istraživanju naprednih neuromorfnih sustava i njihovoj integraciji u aplikacije u stvarnom svijetu.

Istraživački rad objavljen u časopisu Nature možete pronaći na ovoj poveznici.

Vezani sadržaji
Komentari

Učitavam komentare ...

Učitavam













       

*/-->