Kunstmatige synaps mogelijk efficiënter dan biologische

Onderzoekers van Stanford schrijven in Nature Materials hoe ze met Groningse hulp een kunstmatige synaps hebben gemaakt die mogelijk nog efficiënter is dan de biologische variant. Ze hopen dat hun element de basis kan vormen voor zeer energiezuinige implementaties van neurale netwerken voor machine learning.

De synaps is in het brein de verbinding tussen twee neuronen en vormt de basis voor de geheugenwerking; wanneer er veel uitwisseling tussen de twee neuronen is, wordt de verbinding sterker en vice versa. Onderzoekers kijken daarom verlekkerd naar de memristor, waarvan de weerstand verandert onder invloed van de hoeveelheid stroom die er doorheen loopt, als manier om neurlogische circuits na te bootsten.

Huidige ontwerpen hebben echter relatief veel stroom nodig, of kampen met problemen rond stabiliteit of nauwkeurigheid. Het nieuwe ontwerp heeft echter slechts 10 picojoule nodig om een toestandsverandering teweeg te brengen, een ordegrootte beter dan bestaande memristoren. De onderzoekers denken zelfs dat de efficiëntie beter kan worden dan biologische synapsen als ze hem nog verder verkleinen. Verder blijkt de constructie uitstekende stabiliteit en betrouwbaarheid te vertonen.