Fremtiden for nevrale nettverksdatabehandling kan bli litt bløtere enn vi forventet.
Et team av fysikere har utviklet en ionisk krets – en prosessor basert på bevegelsene til ladede atomer og molekyler i en vandig løsning, i stedet for elektroner i en fast halvleder.
Siden dette er nærmere måten hjernen transporterer informasjon på, sier de, kan enheten deres være neste skritt fremover innen hjernelignende databehandling.
“Ioniske kretser i vandige løsninger søker å bruke ioner som ladningsbærere for signalbehandling,” skriv laget ledet av fysiker Woo-Bin Jung fra Harvard John A. Paulson School of Engineering and Applied Sciences (SEAS) i en ny artikkel.
“Her rapporterer vi en vandig ionisk krets … Denne demonstrasjonen av den funksjonelle ioniske kretsen som er i stand til analog databehandling er et skritt mot mer sofistikert vandig ionikk.”
En stor del av signaloverføringen i hjernen er bevegelsen av ladede molekyler kalt ioner gjennom et flytende medium. Selv om den utrolige prosessorkraften til hjernen er ekstremt utfordrende å kopiere, har forskere tenkt at et lignende system kan brukes til databehandling: å skyve ioner gjennom en vandig løsning.
Dette ville være tregere enn konvensjonell, silisiumbasert databehandling, men det kan ha noen interessante fordeler.
For eksempel kan ioner lages fra et bredt spekter av molekyler, hver med forskjellige egenskaper som kan utnyttes på forskjellige måter.
Men først må forskerne vise at det kan fungere.
Det er dette Jung og kollegene hans har jobbet med. Det første trinnet var å designe en funksjonell ionisk transistor, en enhet som bytter eller øker et signal. Deres siste fremskritt innebar å kombinere hundrevis av disse transistorene for å fungere sammen som en ionisk krets.
Transistoren består av et “bullseye”-arrangement av elektroder, med en liten skiveformet elektrode i midten og to konsentriske ringelektroder rundt den. Dette grensesnitt med en vandig løsning av kinon molekyler.
En spenning påført den sentrale disken genererer en strøm av hydrogenioner i kinonløsningen. I mellomtiden modulerer de to ringelektrodene pH i løsningen til gate, øker eller reduserer ionestrømmen.
Denne transistoren utfører en fysisk multiplikasjon av en “vekt”-parameter satt av ringparet som porterer med diskspenningen, og produserer et svar som ionestrømmen.
Imidlertid er nevrale nettverk sterkt avhengige av en matematisk operasjon kalt matrisemultiplikasjonsom involverer flere multiplikasjoner.
Så laget designet 16 x 16 arrays av transistorene deres, hver i stand til aritmetisk multiplikasjon, for å produsere en ionisk krets som kan utføre matrisemultiplikasjon.
“Matrisemultiplikasjon er den mest utbredte beregningen i nevrale nettverk for kunstig intelligens” sier Jung. “Vår ioniske krets utfører matrisemultiplikasjonen i vann på en analog måte som er fullt basert på elektrokjemisk maskineri.”
Det er selvfølgelig betydelige begrensninger for teknologien. De 16 strømmene kan ikke løses separat, noe som betyr at operasjonen måtte utføres sekvensielt i stedet for samtidig, noe som betydelig bremset en allerede relativt langsom teknologi.
Suksessen er imidlertid et skritt mot mer sofistikert ionisk databehandling: det er bare ved å se problemet vi kan finne løsninger.
Det neste trinnet vil være å introdusere et bredere spekter av molekyler i systemet for å se om det lar kretsen behandle mer kompleks informasjon.
“Så langt har vi bare brukt 3 til 4 ioniske arter, som hydrogen- og kinonioner, for å muliggjøre gating og ionisk transport i den vandige ioniske transistoren,” sier Jung.
“Det vil være veldig interessant å bruke flere forskjellige ioniske arter og å se hvordan vi kan utnytte dem for å gjøre innholdet i informasjon som skal behandles rikt.”
Sluttmålet, bemerker teamet, er ikke å konkurrere med eller erstatte elektronikk med ionikk, men å komplementere, kanskje i form av hybridteknologi med egenskapene til begge.
Forskningen er publisert i Avanserte materialer.