7 hours ago
2
Neuron buatan spiking terintegrasi, dengan fungsionalitas neuron yang kaya, jejak transistor tunggal, dan konsumsi energi yang rendah untuk sistem komputasi neuromorfik, dapat dibuat dengan menumpuk satu memristor difusif dan satu resistor di atas sebuah t(The Yang Lab di USC)
INOVASI dalam bidang komputasi neuromorfik dapat mengurangi konsumsi daya chip. Di samping mempercepat kemajuan menuju kecerdasan buatan yang umum (AGI).
Tim peneliti dari Fakultas Teknik USC Viterbi serta Fakultas Komputasi Lanjutan telah mengembangkan neuron tiruan yang sangat menyerupai perilaku elektrokimia yang rumit dari sel otak manusia. Penemuan ini, yang diungkap dalam jurnal Nature Electronics, adalah kemajuan signifikan dalam komputasi neuromorfik.
Metode baru ini mampu mengurangi ukuran chip secara drastis, mengurangi kebutuhan energi hingga beberapa kali lipat, dan mendekatkan kita pada realisasi AGI.
Berbeda dengan chip digital biasa atau chip neuromorfik berbasis silikon yang hanya meniru aktivitas saraf, neuron tiruan ini secara fisik meniru proses analog neuron biologis. Seperti halnya neurokimia yang memicu aktivitas otak, bahan kimia tertentu kini dapat digunakan untuk memulai komputasi di perangkat keras yang diilhami otak, atau sistem neuromorfik.
Dengan mereproduksi mekanisme biologis nyata, alih-alih bergantung pada model matematika, neuron tiruan ini memiliki perbedaan mendasar dari desain yang ada sebelumnya.
Penelitian yang dipimpin Profesor Teknik Komputer dan Elektro USC, Joshua Yang, memperkenalkan tipe baru neuron tiruan yang dibangun menggunakan bahan yang disebut "memristor difusif". Yang sebelumnya telah memberikan kontribusi penting dalam bidang sinapsis buatan.
Studi ini menjelaskan bagaimana inovasi ini dapat memungkinkan pembentukan generasi chip baru yang dapat meningkatkan dan memperluas teknologi berbasis silikon saat ini. Berbeda dengan elektronik tradisional yang mengandalkan aliran elektron untuk komputasi, perangkat difusif karya Yang justru memanfaatkan pergerakan atom.
Proses tingkat atom ini memungkinkan neuron berfungsi lebih menyerupai neuron di otak manusia. Neuron ini memberikan efisiensi energi yang lebih baik dan potensi untuk mempercepat perkembangan AGI.
Cara kerjanya
Dalam proses biologis, otak mengandalkan sinyal listrik dan kimia untuk mendorong tindakan dalam tubuh. Neuron atau sel saraf dimulai dengan sinyal listrik yang saat mencapai celah di ujung neuron yang dinamakan sinaps, sinyal tersebut diubah menjadi sinyal kimia untuk meneruskan dan mengolah informasi.
Setelah informasi berpindah ke neuron berikutnya, beberapa sinyal tersebut kembali diubah menjadi sinyal listrik melalui badan neuron. Proses fisik ini telah berhasil ditiru Yang dan timnya dengan akurasi tinggi dalam beberapa aspek penting.
Keuntungan utama: neuron tiruan berbasis memristor difusif mereka hanya memerlukan ruang sebesar satu transistor, berbeda dengan puluhan hingga ratusan transistor yang biasa digunakan dalam desain konvensional.
Secara khusus, dalam model biologis, ion atau partikel bermuatan berperan dalam menghasilkan sinyal listrik yang diperlukan untuk mendorong aksi di dalam neuron. Di dalam otak manusia, proses tersebut bergantung pada bahan kimia (seperti ion) seperti kalium, natrium, atau kalsium untuk memicu tindakan ini.
Dalam penelitian saat ini, Yang, yang merupakan Direktur Pusat Keunggulan Komputasi Neuromorfik di USC, memanfaatkan ion perak dalam oksida untuk menghasilkan pulsa listrik dan meniru proses tersebut untuk melakukan komputasi dalam aktivitas seperti pergerakan, pembelajaran, dan perencanaan.
“Meskipun ion-ion yang terdapat dalam sinapsis dan neuron tiruan kita tidak persis identik, prinsip fisika yang mengatur pergerakan ion dan dinamikanya memiliki kesamaan yang signifikan,” ujar Yang.
Yang menjelaskan, "Perak mudah didifusikan dan memberikan kita dinamika yang diperlukan untuk meniru biosistem, sehingga kita dapat mencapai fungsi neuron dengan struktur yang sangat sederhana. " Teknologi baru ini, yang memungkinkan chip menyerupai otak, dinamakan "memristor difusif" karena perpindahan ion dan difusi dinamis yang terjadi saat menggunakan perak.
Dia menambahkan, timnya memutuskan untuk memanfaatkan dinamika ion dalam pengembangan sistem kecerdasan buatan “karena hal itu mirip dengan yang terjadi di otak manusia, dan ada alasan kuat di baliknya, serta karena otak manusia adalah 'pemenang dalam evolusi, mesin cerdas yang paling efisien. '”
Hal ini penting, menurut Yang, "Bukan karena chip atau komputer kita tidak cukup kuat untuk melaksanakan tugas apa pun. Namun, mereka tidak cukup efisien. Mereka mengonsumsi terlalu banyak energi. " Ini sangat relevan, terutama mengingat kebutuhan energi untuk menjalankan model perangkat lunak besar dengan data yang kompleks, seperti dalam pembelajaran mesin untuk kecerdasan buatan.
Yang melanjutkan, berbeda dengan otak, "Sistem komputer yang kita miliki saat ini tidak dirancang untuk memproses data dalam volume besar atau untuk belajar hanya dari beberapa contoh. Salah satu cara untuk meningkatkan energi dan efisiensi dari pembelajaran adalah dengan menciptakan sistem buatan yang beroperasi berdasarkan prinsip yang teramati di otak. "
Jika kecepatan murni yang dicari, elektron dalam komputasi modern adalah pilihan terbaik untuk operasi cepat. Namun, dia menjelaskan, "Ion lebih cocok daripada elektron untuk merealisasikan prinsip-prinsip yang berlaku di otak. Karena elektron ringan dan mudah sekali hilang, komputasi yang menggunakan ion memungkinkan pembelajaran yang lebih mengandalkan perangkat lunak, yang sungguh berlawanan dengan pendekatan perangkat keras, seperti cara kerja otak. "
Sebagai perbandingan, dia menambahkan, “Otak belajar dengan memindahkan ion melalui membran, sehingga mencapai pembelajaran yang hemat energi dan dapat beradaptasi langsung dalam perangkat keras, atau lebih tepatnya, dalam apa yang sering disebut ‘perangkat lunak basah. ’”
Sebagai contoh, seorang anak kecil dapat belajar mengenali angka tulisan tangan hanya setelah melihat beberapa contoh saja, sementara komputer biasanya memerlukan ribuan contoh untuk menyelesaikan tugas tersebut. Namun, otak manusia dapat melakukan pembelajaran luar biasa ini hanya dengan mengonsumsi daya sekitar 20 watt, berbanding jauh dengan megawatt yang diperlukan oleh superkomputer modern.
Dampak Potensial
Metode baru ini lebih dekat dengan upaya meniru kecerdasan alami. Yang mencatat bahwa perak yang dipakai dalam percobaan tidak mudah disesuaikan dengan proses pembuatan semikonduktor yang umum, dan bahwa spesies ion lainnya perlu diteliti untuk mendapatkan fungsionalitas yang serupa.
Keunggulan dari memristor difusif ini tidak hanya dalam konsumsi energi, tetapi juga dalam ukurannya. Umumnya, sebuah ponsel pintar memiliki sekitar 10 chip, tetapi juga mengandung miliaran transistor atau sakelar yang mengatur status on/off atau 0 dan 1 dalam proses komputasi.
"Sebaliknya dengan inovasi ini, kami hanya menggunakan jejak satu transistor untuk setiap neuron. Kami merancang komponen yang pada akhirnya mendorong kami untuk mengecilkan ukuran chip berkali-kali lipat, yang membuat konsumsi energi juga berkurang secara drastis, sehingga AI dapat berkelanjutan di masa depan dengan tingkat kecerdasan yang setara tanpa menghabiskan energi yang sulit kami pertahankan," ujar Yang.
Setelah kami menunjukkan blok-blok dasar yang efektif dan padat, serta sinapsis dan neuron buatan, tahap berikutnya adalah menggabungkan banyak blok tersebut dan menguji seberapa dekat kami bisa meniru efisiensi dan kemampuan otak. "Yang lebih menarik," ujar Yang, "adalah kemungkinan bahwa sistem yang menyerupai otak tersebut dapat membantu kita menemukan pemahaman baru tentang cara kerja otak itu sendiri. " (SciTechDaily/Z-2)
