Các hoạt động trong lĩnh vực trí tuệ nhân tạo, như dạy robot đi bộ hoặc nhận dạng hình ảnh tự động chính xác, đòi hỏi chip xử lý thông tin phải vừa mạnh mẽ hơn bao giờ hết, nhưng đồng thời có tính kinh tế. Lần đầu tiên, các nhà khoa học tại Đại học kỹ thuật Dresden và Phòng thí nghiệm Helmholtz-Zentrum Dresden-Rossendorf (HZDR) ở Đức đã bắt chước thành công chức năng của các tế bào thần kinh não bộ bằng vật liệu bán dẫn. Kết quả nghiên cứu của họ được công bố trên tạp chí Nature Electronics.

Thông thường, việc tăng hiệu suất mạch vi điện tử đạt được bằng cách giảm kích thước các thành phần, đặc biệt là các transistor riêng lẻ trên các chip máy tính silicon. Nhưng điều đó không thể tiếp tục vô thời hạn, cần phải tìm ra những cách tiếp cận mới. Một cách tiếp cận dựa trên bộ não người, kết hợp xử lý dữ liệu với lưu trữ dữ liệu trong một tế bào thần kinh nhân tạo, là hướng đi rất khả quan.

Trong công trình nghiên cứu của mình, các nhà khoa học đã mô phỏng các tính chất của tế bào thần kinh bằng cách sử dụng các nguyên tắc của cảm biến sinh học và sửa đổi một transistor hiệu ứng trường cổ điển để tạo ra một chất truyền dẫn thần kinh nhân tạo. Ưu điểm của cấu ​​trúc đó nằm ở việc lưu trữ và xử lý thông tin đồng thời trong một thành phần duy nhất. Trong khi với công nghệ transistor thông thường chúng được tách riêng ra khiến cho thời gian xử lý bị chậm đi và do đó hiệu suất cũng bị hạn chế. Công thức được các nhà khoa học đưa ra là: Tấm silicon mỏng + polymer = chip có khả năng học hỏi.

Mô hình máy tính trên não người không phải là ý tưởng mới. Các nhà khoa học đã cố gắng kết nối các tế bào thần kinh với các thiết bị điện tử từ nhiều thập kỷ trước nhưng chưa đạt được kết quả đáng kể nào. Bây giờ nhóm các nhà khoa học đã có thể thực hiện điều đó bằng cách sử dụng một chất nhớt, gọi là solgel - một dạng chất polymer, cho tấm mỏng silicon gắn các mạch điện tử. Polymer này sẽ cứng lại và trở thành một loại gốm xốp. Các ion di chuyển giữa các lỗ trống có khối lượng nặng hơn electron và do đó chậm chạp hơn khi trở lại vị trí của chúng sau khi bị kích thích. Sự chậm trễ này, được gọi là độ trễ, là nguyên nhân gây ra hiệu ứng lưu trữ. Đây là yếu tố quyết định trong hoạt động của transistor mới. Transistor càng bị kích thích, nó sẽ mở ra càng sớm và cho dòng điện đi qua, điều này sẽ củng cố kết nối và giúp hệ thống có thể học hỏi.

"Các máy tính dựa trên chip của chúng tôi sẽ kém chính xác hơn và có xu hướng tính toán ước lượng hơn là tính toán đến số thập phân cuối cùng", các nhà khoa học giải thích. "Nhưng chúng sẽ thông minh hơn. Ví dụ, một robot có bộ vi xử lý như vậy sẽ học cách đi bộ hoặc nắm bắt vấn đề, nó sẽ sở hữu một hệ thống quang học và học cách nhận ra các kết nối. Và có thể đạt được tất cả những điều này mà không phải phát triển bất kỳ phần mềm nào". Nhưng đây không phải là những lợi thế duy nhất của máy tính mô phỏng theo hệ thần kinh có được. Nhờ tính linh hoạt của chúng, tương tự như bộ não của con người, chúng có thể thích nghi với việc thay đổi nhiệm vụ trong quá trình hoạt động và do đó, có khả năng tự giải quyết các vấn đề mà chúng không được lập trình từ ban đầu. Chi tiết tham khảo tại:

Eunhye Baek, Nikhil Ranjan Das, Carlo Vittorio Cannistraci, et al. Intrinsic plasticity of silicon nanowire neurotransistors for dynamic memory and learning functions. Nature Electronics, 2020; DOI: 10.1038/s41928-020-0412-1

(Sưu tầm)
VIỆN IMC
Tòa nhà IMC Tower, Số 176 Trường Chinh, Phường Khương
Thượng, Quận Đống Đa, Thành phố Hà Nội, Việt Nam
Tel/Fax : (+84) 24 3566 6232 / 24 3566 6234
Email: contact@imc.org.vn   Website: http://imc.org.vn