物理的なリザーバーコンピューティングのための超大規模ミメティック光遺伝学シナプス

科学分野:

• 材料科学
• 人工知能
• 神経科学

背景:

• ディープラーニングのスケーリング則は、エネルギー効率と持続可能性に関する懸念を引き起こします。
• 既存の人工知能（AI）モデルは、かなりの計算リソースを必要とします。
• 生物学的システムは、効率的な計算のインスピレーションを提供します。

研究 の 目的:

• 持続可能で効率的なAIの計算アプローチを開発すること。
• 生物学的脳に触発された物理的リザーバーコンピューティングシステムを作成すること。
• 現在のディープラーニングモデルの限界に対処すること。

主な方法:

• 3D物理的リザーバーとして、自己組織化された、サブミリメートル長のタングステンジスルフィドナノチューブクラスターの製造。
• ハエの脳に匹敵するリザーバーのシナプス密度（10^8インターフェイス/mm^3）の特性評価。
• 光遺伝学変調をエミュレートする感光性ミメティックシナプス接続の実装。

主要な成果:

• 物理的リザーバーは、単峰性および多峰性の課題（例：音声から画像、医療画像生成）を含む多様なタスクを正常に実行しました。
• リザーバーのアーキテクチャは、生物学的ニューラルネットワークのシナプス量と密度を模倣しています。
• 生物学的システムにおける光遺伝学変調の模倣シナプス接続によるエミュレーションを実証しました。

結論:

• この研究は、エネルギー効率の高いAIのための新しい物理的リザーバーコンピューティングシステムを提示します。
• 開発されたシステムは、スケーリング則、多峰性処理、および生物学的インスピレーションメカニズムの原理を統合します。
• 次世代AIのための高度なコンピューティングアーキテクチャへの道を開きます。