Cənubi Kaliforniya Universiteti tərəfindən

Stefani Baum tərəfindən redaktə edilmiş , Robert Eqan tərəfindən nəzərdən keçirilmişdir

 Redaktorların qeydləriZəngin neyron funksionallığı, tək tranzistor ayaq izləri və neyromorfik hesablama sistemləri üçün aşağı enerji istehlakı ilə inteqrasiya edilmiş süni neyron, bir diffuz memristor və bir rezistoru tranzistorun üstünə yığmaqla yaradıla bilər. Qapaqdakı fotoşəkil universitetin təmiz otağında hazırlanmış və hər bir neyron üçün təxminən 4 μm ² aktiv bölgəyə malik bu inteqrasiya olunmuş neyronların bir sıra çipini göstərir . Kredit: USC-dəki Yang Laboratoriyası

USC Viterbi Mühəndislik Məktəbinin və Qabaqcıl Hesablama Məktəbinin tədqiqatçıları bioloji beyin hüceyrələrinin mürəkkəb elektrokimyəvi davranışını təkrarlayan süni neyronlar hazırlayıblar.

Nature Electronics- də sənədləşdirilmiş yenilik neyromorfik hesablama texnologiyasında irəliyə doğru sıçrayışdır. Yenilik çipin ölçüsünü böyük ölçüdə azaltmağa imkan verəcək, onun enerji istehlakını böyük ölçüdə azaldacaq və süni ümumi intellektin inkişafını təmin edəcək.

Adi rəqəmsal prosessorlardan və ya sadəcə sinir fəaliyyətini simulyasiya edən silikon texnologiyasına əsaslanan mövcud neyromorfik çiplərdən fərqli olaraq, bu süni neyronlar bioloji analoqlarının analoq dinamikasını fiziki olaraq təcəssüm etdirir və ya təqlid edir. Neyrokimyəvi maddələr beyin fəaliyyətini başlatdığı kimi, kimyəvi maddələr neyromorfik (beyindən ilham alan) aparat cihazlarında hesablamağa başlamaq üçün istifadə edilə bilər . Bioloji prosesin fiziki təkrarı olmaqla, onlar yalnız riyazi tənliklər olan süni neyronların əvvəlki iterasiyalarından fərqlənirlər.

USC Kompüter və Elektrik Mühəndisliyi professoru Coşua Yanqın rəhbərlik etdiyi və on il əvvəl süni sinapslar haqqında əsas məqalədə işə rəhbərlik edən iş, sözdə diffuz memristor əsasında yeni bir növ süni neyron təqdim edir. Nature Electronics məqaləsi bu cür süni neyronların, demək olar ki, bütün müasir elektronikanı gücləndirən və hesablamalar üçün elektronların hərəkətinə əsaslanan bugünkü silikon əsaslı texnologiyaları tamamlayan və artıran yeni çip sinfini necə təmin edə biləcəyini araşdırır.

Bunun əvəzinə, Yang və həmkarları tərəfindən neyronların qurulması üçün təqdim edilən diffuz cihaz atomların hərəkətinə əsaslanacaq. Bu cür neyronlar beynimizin necə işlədiyinə daha çox oxşar işləyən, daha çox enerjiyə qənaət edən və süni ümumi intellekt (AGI) kimi tanınan yeni çipləri işə sala bilər .

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=280&slotname=2793866484&adk=2520359048&adf=1100001614&pi=t.ma~as.2793866484&w=750&fwrn=4&fwrnh=0&lmt=1761818146&rafmt=1&armr=3&format=750×280&url=https%3A%2F%2Ftechxplore.com%2Fnews%2F2025-10-artificial-neurons-replicate-biological-function.html&fwr=0&rpe=1&resp_fmts=3&wgl=1&aieuf=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTQxLjAuNzM5MC41NSIsbnVsbCwwLG51bGwsIjY0IixbWyJHb29nbGUgQ2hyb21lIiwiMTQxLjAuNzM5MC41NSJdLFsiTm90P0FfQnJhbmQiLCI4LjAuMC4wIl0sWyJDaHJvbWl1bSIsIjE0MS4wLjczOTAuNTUiXV0sMF0.&abgtt=6&dt=1761818142309&bpp=1&bdt=209&idt=190&shv=r20251024&mjsv=m202510280101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Dfdc40d724f2dca57%3AT%3D1735367325%3ART%3D1761818142%3AS%3DALNI_MYStQ6fUQQQLyo5Z7z1h-XhXcWBtA&gpic=UID%3D00000f80eacffadc%3AT%3D1735367325%3ART%3D1761818142%3AS%3DALNI_MYaOugky0UawScoidzfbXof3-N-iw&eo_id_str=ID%3D878d521b85743f4c%3AT%3D1751526237%3ART%3D1761818142%3AS%3DAA-AfjZCLruwaFzoQORvGPwXS3Y2&prev_fmts=0x0%2C1905x945&nras=2&correlator=8735042481166&frm=20&pv=1&rplot=4&u_tz=240&u_his=1&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=448&ady=2039&biw=1905&bih=945&scr_x=0&scr_y=0&eid=31095509%2C31095511%2C31095530%2C95344791%2C95368094&oid=2&pvsid=7824696333596952&tmod=376086811&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&plas=164x742_l%7C164x742_r&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=3750

Cihaz necə işləyir

Bioloji prosesdə beyin bədəndə hərəkətə keçmək üçün həm elektrik, həm də kimyəvi siqnallardan istifadə edir. Neyronlar və ya sinir hüceyrələri elektrik siqnalları ilə başlayırlar ki, onlar neyronun (sinaps) sonundakı boşluğa və ya boşluğa çatdıqda məlumatı ötürmək və emal etmək üçün kimyəvi siqnallara çevrilirlər. Məlumat növbəti neyrona keçdikdən sonra bu siqnalların bəziləri yenidən neyronun bədənində elektrik siqnallarına çevrilir.

Bu, Yang və həmkarlarının bir neçə kritik aspektdə yüksək sədaqətlə təqlid etməyə müvəffəq olduqları fiziki prosesdir. Böyük üstünlük: Onların diffuz memristor əsaslı süni neyronları adi dizaynlarda istifadə olunan onlarla və yüzlərlə deyil, yalnız bir tranzistorun boşluğunu tələb edir.

Xüsusilə, bioloji modeldə ionlar və ya yüklü hissəciklər neyron daxilində hərəkətə səbəb olmaq üçün elektrik siqnalları yaratmağa kömək edir. İnsan beynində bu cür proseslər bu hərəkəti məcbur etmək üçün kalium, natrium və ya kalsium kimi kimyəvi maddələrə (məsələn, ionlara) əsaslanır.

Cari məqalədə, USC-də Neyromorfik Hesablama üzrə Mükəmməllik Mərkəzinin direktoru olan Yang, elektrik impulsunu yaratmaq və hərəkət, öyrənmə və planlaşdırma kimi fəaliyyətlər üçün hesablamaları yerinə yetirmək üçün prosesləri təqlid etmək üçün oksiddə gümüş ionlarından istifadə edir.

“Onlar bizim süni sinapslarımızda və neyronlarımızda eyni ionlar olmasa da, ionların hərəkətini idarə edən fizika və dinamika çox oxşardır” deyir. “Gümüş asanlıqla yayılır və bizə biosistemi təqlid etmək üçün lazım olan dinamikanı verir ki, biz çox sadə bir quruluşla neyronların funksiyasına nail ola bilək.”

Beyinə bənzər bir çipi işə sala bilən yeni cihaz gümüşün istifadəsi ilə baş verən ion hərəkəti və dinamik diffuziya səbəbindən diffuz memristor adlanır.

O, əlavə edir ki, komanda süni intellekt sistemlərinin qurulması üçün ion dinamikasından istifadə etməyi seçdi, “çünki bu, insan beynində baş verir, yaxşı bir səbəbə görə və insan beyni “təkamüldə qalib” – ən səmərəli ağıllı mühərrik olduğundan”.

“Bu, daha səmərəlidir” deyir və izah edir: “Bu, bizim çiplərimizin və ya kompüterlərimizin etdikləri hər şey üçün kifayət qədər güclü olmaması deyil. Məsələ onların kifayət qədər səmərəli olmamasıdır. Həddindən artıq enerji sərf edirlər.”

Bu, süni intellekt üçün maşın öyrənməsi kimi böyük həcmli məlumatlarla böyük proqram modellərini işə salmaq üçün lazım olan enerji səviyyəsini nəzərə alaraq xüsusilə aktualdır.

Yang daha sonra izah edir ki, beyindən fərqli olaraq, “mövcud hesablama sistemlərimiz heç vaxt böyük həcmdə verilənləri emal etmək və ya yalnız bir neçə nümunədən öyrənmək məqsədi daşımayıb. Həm enerjini, həm də öyrənmə səmərəliliyini artırmağın bir yolu beyində müşahidə olunan prinsiplərə uyğun işləyən süni sistemlər qurmaqdır.”

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=280&slotname=2793866484&adk=2520359048&adf=2636419947&pi=t.ma~as.2793866484&w=750&fwrn=4&fwrnh=0&lmt=1761818146&rafmt=1&armr=3&format=750×280&url=https%3A%2F%2Ftechxplore.com%2Fnews%2F2025-10-artificial-neurons-replicate-biological-function.html&fwr=0&rpe=1&resp_fmts=3&wgl=1&aieuf=1&uach=WyJXaW5kb3dzIiwiMTkuMC4wIiwieDg2IiwiIiwiMTQxLjAuNzM5MC41NSIsbnVsbCwwLG51bGwsIjY0IixbWyJHb29nbGUgQ2hyb21lIiwiMTQxLjAuNzM5MC41NSJdLFsiTm90P0FfQnJhbmQiLCI4LjAuMC4wIl0sWyJDaHJvbWl1bSIsIjE0MS4wLjczOTAuNTUiXV0sMF0.&abgtt=6&dt=1761818142310&bpp=1&bdt=210&idt=193&shv=r20251024&mjsv=m202510280101&ptt=9&saldr=aa&abxe=1&cookie=ID%3Dfdc40d724f2dca57%3AT%3D1735367325%3ART%3D1761818142%3AS%3DALNI_MYStQ6fUQQQLyo5Z7z1h-XhXcWBtA&gpic=UID%3D00000f80eacffadc%3AT%3D1735367325%3ART%3D1761818142%3AS%3DALNI_MYaOugky0UawScoidzfbXof3-N-iw&eo_id_str=ID%3D878d521b85743f4c%3AT%3D1751526237%3ART%3D1761818142%3AS%3DAA-AfjZCLruwaFzoQORvGPwXS3Y2&prev_fmts=0x0%2C1905x945%2C750x280&nras=2&correlator=8735042481166&frm=20&pv=1&rplot=4&u_tz=240&u_his=1&u_h=1080&u_w=1920&u_ah=1032&u_aw=1920&u_cd=24&u_sd=1&dmc=8&adx=448&ady=3540&biw=1905&bih=945&scr_x=0&scr_y=0&eid=31095509%2C31095511%2C31095530%2C95344791%2C95368094&oid=2&pvsid=7824696333596952&tmod=376086811&uas=0&nvt=1&ref=https%3A%2F%2Fphys.org%2F&fc=1920&brdim=0%2C0%2C0%2C0%2C1920%2C0%2C1920%2C1032%2C1920%2C945&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&plas=164x742_l%7C164x742_r&bz=1&td=1&tdf=2&psd=W251bGwsbnVsbCxudWxsLDNd&nt=1&ifi=3&uci=a!3&btvi=2&fsb=1&dtd=3758

Əgər təmiz sürət axtarırsınızsa, müasir hesablamaları idarə edən elektronlar sürətli əməliyyatlar üçün ən yaxşısı olardı. Lakin, o, izah edir: “İonlar beynin prinsiplərini təcəssüm etdirmək üçün elektronlardan daha yaxşı bir mühitdir. Elektronlar yüngül və dəyişkən olduğundan, onlarla hesablamalar, beynin necə işlədiyindən əsaslı şəkildə fərqli olan aparat əsaslı öyrənmə deyil, proqrama əsaslanan öyrənməyə imkan verir.”

Bunun əksinə olaraq, o deyir: “Beyin ionları membranlar arasında hərəkət etdirərək öyrənir, enerjiyə qənaətcil və adaptiv öyrənməyə birbaşa aparatda, daha doğrusu insanların “yaş proqram” adlandıra biləcəyi şeylərdə nail olur.”

Məsələn, kiçik bir uşaq hər birinin yalnız bir neçə nümunəsini gördükdən sonra əl ilə yazılmış rəqəmləri tanımağı öyrənə bilər, halbuki kompüter eyni tapşırığı yerinə yetirmək üçün adətən minlərlə rəqəmə ehtiyac duyur. Bununla belə, insan beyni bu əlamətdar öyrənməni bugünkü superkompüterlərin tələb etdiyi meqavatlarla müqayisədə cəmi 20 vatt enerji istehlak edərkən həyata keçirir.

Bu yeni üsul təbii zəkanı təqlid etməyə bir addım daha yaxındır.

Yang, təcrübədə istifadə edilən gümüşün adi yarımkeçirici istehsalı ilə uyğun olmadığını və alternativ ion növlərin oxşar funksiyalar üçün araşdırılması lazım olduğunu qeyd etdi.

Bu diffuz memristorların səmərəliliyinə təkcə enerji deyil, həm də ölçü daxildir. Normalda, bir smartfonda təxminən 10 çip var, lakin hesablamanın əsasını təşkil edən yandırma/söndürməni (0 və 1s) idarə edən milyardlarla tranzistor və ya açar var.

“Əvəzində [bu yenilik ilə] biz sadəcə olaraq hər bir neyron üçün bir tranzistorun izindən istifadə edirik. Biz tikinti bloklarını layihələndiririk ki, nəticədə bizi çip ölçüsünü böyüklük əmrləri ilə azaltmağa və enerji istehlakını böyük ölçüdə azaltmağa aparacaq, beləliklə, gələcəkdə süni intellekt səviyyəsini yerinə yetirmək davamlı ola bilər.

“İndi bacarıqlı və yığcam tikinti bloklarını, süni sinapsları və neyronları nümayiş etdirdiyimiz üçün növbəti addım onların çoxlu sayda inteqrasiyasını aparmaq və beynin səmərəliliyini və imkanlarını nə qədər yaxından təkrarlaya biləcəyimizi yoxlamaqdır.”

“Daha maraqlıdır,” deyə Yang yekunlaşdırır, “beynə sadiq olan bu cür sistemlərin beynin özünün necə işlədiyinə dair yeni anlayışları aşkar etməyə kömək edə biləcəyi perspektividir.”

Ətraflı məlumat: Ruoyu Zhao və digərləri, Bir diffuz memristor, bir tranzistor və bir rezistora əsaslanan süni süni neyron, Nature Electronics (2025). DOI: 10.1038/s41928-025-01488-x

Jurnal məlumatı: Nature Electronics Cənubi Kaliforniya Universiteti tərəfindən təmin edilmişdir