มหาวิทยาลัยแคลิฟอร์เนีย ซานดิเอโก พัฒนาอุปกรณ์ทรานซิสเตอร์ประสาทที่สามารถควบคุมความจำได้

นักวิจัยจากมหาวิทยาลัยแคลิฟอร์เนีย ซานดิเอโก ได้แสดงให้เห็นถึงวิธีการควบคุมอุปกรณ์อิเล็กทรอนิกส์ทดลองในการสร้างและลบความจำ โดยใช้กระแสไฟฟ้าในการเปลี่ยนแปลงพฤติกรรมของวัสดุที่เรียกว่า ไทเทเนียมไดออกไซด์ อุปกรณ์นี้ถูกเรียกว่า "ทรานซิสเตอร์ประสาท" ซึ่งเลียนแบบพฤติกรรมการเปิดปิดทางไฟฟ้าของเซลล์ประสาทชีวภาพ นักวิจัยพบว่าพวกเขาสามารถทำให้การเปิดปิดมีความคาดเดาได้มากขึ้นหรือกลับไปสู่สถานะที่คาดเดาได้น้อยลง การค้นพบนี้อาจช่วยให้นักวิทยาศาสตร์ออกแบบฮาร์ดแวร์การคำนวณที่ได้รับแรงบันดาลใจจากสมอง โดยการเปลี่ยนแปลงโครงสร้างทางกายภาพเพื่อเก็บข้อมูล ระบบดังกล่าวมีเป้าหมายที่จะทำงานบางอย่างที่มีประสิทธิภาพมากกว่าวิธีการแบบดั้งเดิม ซึ่งต้องมีการเคลื่อนย้ายข้อมูลระหว่างโปรเซสเซอร์และหน่วยความจำที่แตกต่างกัน

ทีมงานที่นำโดยศาสตราจารย์ฟิสิกส์ Oleg Shpyrko จากมหาวิทยาลัยแคลิฟอร์เนีย ซานดิเอโก ใช้การกระจายรังสี X ที่มีความสัมพันธ์ในการสังเกตการเปลี่ยนแปลงระดับนาโนภายในวัสดุเมื่อมีกระแสไฟฟ้าไหลผ่านอุปกรณ์ ซึ่งทำให้พวกเขาสามารถศึกษาว่าโครงสร้างภายในมีผลต่อพฤติกรรมการเปิดปิดอย่างไร ไทเทเนียมไดออกไซด์สามารถเปลี่ยนแปลงระหว่างสถานะที่เป็นฉนวนไฟฟ้าและสถานะที่นำไฟฟ้า การเปลี่ยนแปลงนี้มาพร้อมกับการเปลี่ยนแปลงโครงสร้างของวัสดุ ทำให้มันมีความเป็นประโยชน์อย่างมากในการศึกษาการเลียนแบบลักษณะบางอย่างของเซลล์ประสาท ในการทดลอง นักวิจัยได้ตรวจสอบว่าการกระตุ้นด้วยไฟฟ้าซ้ำ ๆ มีผลต่อการจัดเรียงและการเคลื่อนไหวของพื้นที่เล็ก ๆ ภายในวัสดุอย่างไร

วิธีการวิจัยและลักษณะของวัสดุ

พื้นที่เหล่านี้เรียกว่าฟิลด์ ซึ่งเมื่ออุปกรณ์เปลี่ยนสถานะระหว่างกัน พวกมันสามารถมีปฏิสัมพันธ์กันได้ ทีมงานได้กำหนดกระบวนการที่เรียกว่าการบีบอัด ซึ่งการเคลื่อนไหวของพื้นที่เหล่านี้เริ่มมีการจำกัดมากขึ้น การมีปฏิสัมพันธ์ระหว่างกันเริ่มจำกัดการเปลี่ยนแปลงของวัสดุ แทนที่จะเป็นพฤติกรรมที่เป็นอิสระ การกระตุ้นด้วยไฟฟ้าซ้ำ ๆ เกินกว่าค่าที่กำหนดจะทำให้วัสดุเข้าสู่สถานะการบีบอัด ผลที่ได้คือการเปิดปิดของอุปกรณ์จะมีความคาดเดาได้มากขึ้น แสดงให้เห็นว่ากิจกรรมไฟฟ้าในระยะเริ่มต้นมีผลต่อพฤติกรรมในอนาคต นักวิจัยยังพบว่าการกระตุ้นด้วยกระแสไฟฟ้าต่ำสามารถย้อนกลับผลนี้ คืนสู่สถานะการเปิดปิดที่คาดเดาได้น้อยลง ซึ่งให้วิธีการควบคุมความจำของอุปกรณ์ผ่านการป้อนข้อมูลทางไฟฟ้า

การทดลองเหล่านี้ติดตามการเปลี่ยนแปลงโครงสร้างภายในหลายพันวินาที ทำให้นักวิจัยสามารถเชื่อมโยงประวัติไฟฟ้าของอุปกรณ์กับการเปลี่ยนแปลงภายในวัสดุ การค้นพบเหล่านี้ให้คำอธิบายทางกายภาพเกี่ยวกับวิธีการที่ทรานซิสเตอร์ประสาทสามารถเก็บข้อมูลเกี่ยวกับกิจกรรมไฟฟ้าก่อนหน้านี้ โดยไม่ต้องใช้ส่วนประกอบความจำแบบดั้งเดิมแยกต่างหาก ในกรณีนี้ การเรียนรู้ไม่ได้หมายความว่าอุปกรณ์เข้าใจข้อมูลหรือแก้ปัญหาอย่างอิสระ แต่หมายถึงการเปลี่ยนแปลงที่สามารถวัดได้ของพฤติกรรมการเปิดปิดที่เกิดจากการกระตุ้นก่อนหน้านี้ ส่วนการลืมหมายถึงการย้อนกลับของการเปลี่ยนแปลงนี้

ศักยภาพของการคำนวณแบบประสาท

ความแตกต่างนี้มีความสำคัญต่อการคำนวณแบบประสาท ซึ่งมีเป้าหมายในการสร้างระบบอิเล็กทรอนิกส์ที่ได้รับแรงบันดาลใจจากวิธีการที่เซลล์ประสาทและซินแนปส์จัดการและเก็บข้อมูล อุปกรณ์ที่สามารถปรับการตอบสนองตามสัญญาณไฟฟ้าก่อนหน้านี้ อาจช่วยในการรวมความจำและฟังก์ชันการคำนวณในวงจร อย่างไรก็ตาม นักวิจัยได้แสดงกลไกนี้ในระบบวัสดุทดลอง แทนที่จะเป็นโปรเซสเซอร์ที่ได้รับแรงบันดาลใจจากสมองอย่างสมบูรณ์ ยังต้องมีการทำงานเพิ่มเติมเพื่อกำหนดวิธีการควบคุมพฤติกรรมระหว่างอุปกรณ์หลาย ๆ ตัวอย่างเชื่อถือได้ ความเร็วในการเปลี่ยนแปลงสถานะความจำ และวิธีการนี้สามารถนำไปใช้ในวงจรจริงได้หรือไม่เพื่อให้เกิดการประหยัดพลังงานที่วัดได้

การวิจัยนี้ยังเสนอวิธีการศึกษาเกี่ยวกับการเปลี่ยนแปลงโครงสร้างระดับนาโนอย่างไรที่มีผลต่อการเปิดปิดทางไฟฟ้าในวัสดุที่มีโครงสร้างที่เชื่อมโยงและการเปลี่ยนแปลงทางไฟฟ้า การค้นพบเหล่านี้ได้รับการตีพิมพ์ในวารสาร Nature Communications

การควบคุมความจำ: การประยุกต์ใช้และความท้าทายที่อาจเกิดขึ้น

ผลลัพธ์ของการวิจัยนี้แสดงให้เห็นว่าผ่านการควบคุมพฤติกรรมความจำของอุปกรณ์อิเล็กทรอนิกส์ในอนาคต ฮาร์ดแวร์การคำนวณอาจใกล้เคียงกับการทำงานของระบบประสาทชีวภาพมากขึ้น ซึ่งไม่เพียงแต่จะเพิ่มประสิทธิภาพการคำนวณ แต่ยังช่วยลดการเคลื่อนย้ายข้อมูลระหว่างโปรเซสเซอร์และหน่วยความจำ ทำให้ประหยัดพลังงาน อย่างไรก็ตาม การทดลองยังอยู่ในระยะเริ่มต้น นักวิจัยต้องสำรวจเพิ่มเติมเกี่ยวกับวิธีการควบคุมพฤติกรรมระหว่างอุปกรณ์หลาย ๆ ตัวอย่างเชื่อถือได้ และให้แน่ใจว่าเทคโนโลยีเหล่านี้สามารถบรรลุผลตามที่คาดหวังในแอปพลิเคชันจริง