Трёхмерная нейросеть на проволочном каркасе: устройство для распознавания паттернов
Ключевое отличие новой разработки от предшествующих аналогов заключается в подходе к организации нейронной сети. Предыдущие попытки использования клеток мозга для вычислений основывались на двумерных культурах, выращенных в чашке Петри, либо на трёхмерных кластерах, которые исследовались и контролировались извне. Устройство, созданное в Принстоне, работает по-другому — изнутри.
С помощью передовых технологий производства команда сформировала трёхмерную сетку из микроскопических металлических проволок и электродов. Поверхность сетки покрыта тонким слоем эпоксидной смолы. Благодаря малой толщине покрытие сохраняет достаточную гибкость для взаимодействия с мягкими нейронами, которые растут вокруг него. Сетка использовалась в качестве каркаса для выращивания десятков тысяч нейронов в обширную трёхмерную сеть, пригодную для вычислений.
Стоит пояснить: новый комплексный подход позволил исследователям регистрировать и стимулировать электрическую активность нейронов с более высокой точностью по сравнению с предыдущими методами. Наблюдение за эволюцией системы велось в течение более чем шести месяцев. В ходе экспериментов с различными способами усиления и ослабления связей между ключевыми нейронами алгоритм был обучен распознавать паттерны электрических импульсов.
Сложные и многослойные печатные платы традиционно используются в нейроморфных вычислительных системах на твёрдотельных компонентах. Однако данная разработка представляет собой гибридный подход, где функции обработки сигналов выполняет биологическая ткань, интегрированная с электродной структурой.
В одном тесте система распознавала пары различных пространственных паттернов. В другом — различные временные паттерны. В обоих случаях устройство правильно идентифицировало заданные образцы.
Исследователи надеются масштабировать систему для выполнения более сложных вычислительных задач. В перспективе подобные гибридные архитектуры могут предложить альтернативный путь развития энергоэффективных вычислительных систем.
По материалам: https://russianelectronics.ru