Hjärnliknande datorer jobbar snabbare
Tänk om datorer kunde göra beräkningar lika energisnålt som våra hjärnor?
För första gången har forskare lyckats kombinera en minnesfunktion med en beräkningsfunktion i samma komponent. Upptäckten kan ge effektivare teknik i alltifrån mobiltelefoner till självkörande bilar.
Datorer som kan ta sig an avancerade kognitiva uppgifter som att känna igen språk och bilder – eller som har övermänskliga schackkunskaper – har fått stort genomslag de senaste åren tack vare AI-tekniker. Samtidigt är den mänskliga hjärnan än så länge överlägsen när det gäller hur effektivt och energisnålt som uppgifterna kan utföras.
– Att hitta nya sätt att göra beräkningar som liknar hjärnans energieffektiva processer har varit ett stort forskningsmål i årtionden. Just kognitiva uppgifter som bild- och röstigenkänning kräver mycket datorkraft, och energisnålare lösningar är särskilt viktiga i mobila applikationer som exempelvis mobiltelefoner, drönare eller satelliter, säger Johan Åkerman, professor i tillämpad spinntronik vid Göteborgs universitet.
”Nervceller” och ”minnesceller” = effektivare datorer
Han har i samarbete med en forskargrupp vid Tohoko University lett en studie som nu har tagit ett viktigt steg på vägen. I studien, som har publicerats i den högt rankade tidskriften Nature Materials, har forskarna för första gången lyckats koppla samman de två huvudsakliga verktyg som finns för de avancerade beräkningarna: oscillatornätverk och memristorer.
Johan Åkerman beskriver oscillatorer som svängningskretsar som kan göra beräkningar, och som kan liknas vid mänskliga nervceller. Memristorer är programmerbara resistorer som också kan utföra beräkningar och dessutom har inbyggt minne, och som därmed kan liknas vid minnesceller. När forskarna nu har kunnat integrera de båda, är mycket vunnet.
De imiterar hjärnans neurala nätverk
Neuromorphic computing är ett AI-kopplat forskningsområde där målet är att imitera hur hjärnans neurala nätverk fungerar. I forskningen används nya algoritmiska tillvägagångssätt som efterliknar hur den mänskliga hjärnan interagerar med världen för att leverera kapacitet närmare mänsklig kognition.
– Det här är ett viktigt genombrott eftersom vi visar att det går att kombinera en minnesfunktion med en beräkningsfunktion i samma komponent. De här komponenterna fungerar mer som de energismarta neurala nätverken i hjärnan, och kan därför bli viktiga byggstenar i framtida, mer hjärnliknande datorer, säger han.
Öppnar för energisnålare teknik
Enligt Johan Åkerman öppnar upptäckten för snabbare, smidigare och mindre energikrävande teknik inom en mängd områden. Han framhåller att det är en stor fördel att forskargruppen har lyckats framställa komponenterna i extremt små format: hundratals komponenter får plats på en yta som motsvarar en bakteries storlek. Det kan få särskilt stor betydelse för mindre applikationer som mobiltelefoner.
Beräkningar kan göras lokalt i mobilen
– Många funktioner i mobiltelefoner skulle underlättas med mer energieffektiva beräkningsmöjligheter. Ett exempel är digitala assistenter som Siri eller Google. Idag sker all hantering via servrar eftersom beräkningarna kräver för mycket energi för mobilernas små format. Om beräkningarna istället kan göras lokalt, direkt i mobilen, kan de ske snabbare och enklare när ingen uppkoppling mot servrar behövs, säger han.
Han nämner självkörande bilar och drönare som andra exempel där en mer energisnål beräkningskapacitet skulle föra utvecklingen framåt.
– Ju mer energieffektivt det går att göra kognitiva beräkningar, desto fler tillämpningar öppnar sig. Därför har vår studie verkligen potential att flytta området framåt, säger han.
Vetenskaplig artikel:
Memristive control of mutual spin Hall nano-oscillator synchronization for neuromorphic computing, Nature Materials
Kontakt:
Johan Åkerman, professor i tillämpad spinntronik vid Göteborgs universitet, johan.akerman@physics.gu.se
Studien har letts av professor Johan Åkerman vid Göteborgs universitet, som också är senior författare till artikeln. Försteförfattare är Mohammad Zahedinejad som doktorerade vid Göteborgs universitet 2019. Studien har skett i samarbete med en forskargrupp vid Tohoko University i Japan inom ramen för projektet TOPSPIN, som är finansierat av europeiska forskningsrådet ERC.