科学者らが人工シナプスを開発した。シナプスとは、ニューロン同士が情報を伝達する間隙である。この人工シナプスは、コンピューターが人間の脳の情報処理の仕組みをより忠実に再現するのに役立ち、脳と機械をつなぐ技術の進歩にもつながる可能性がある。
「実際のシナプスのように機能しますが、設計できる有機電子デバイスです」と、スタンフォード大学の材料科学・工学准教授で、論文の筆頭著者であるアルベルト・サレオ氏は述べる。「この種の構造はこれまで実現されていなかったため、まったく新しいデバイス群です。重要な指標の多くで、無機材料を用いてこれまでに開発されたどのデバイスよりも優れた性能を発揮します。」
新しい人工シナプスは、Nature Materials誌で報告されたもので、シナプスを横切る信号を通じて脳内のシナプスが学習する仕組みを模倣する。情報を処理してから別途メモリーに保存する従来のコンピューティングと比べ、大幅な省エネルギーとなる。ここでは、処理によって記憶が形成される。
このシナプスは将来、より脳に近いコンピューターの一部となる可能性があり、視覚信号や聴覚信号を扱うコンピューティングに特に役立つと考えられる。音声操作インターフェースや自動運転車はその例だ。この分野ではこれまで、人工知能アルゴリズムを活用した高性能なニューラルネットワークが開発されてきたが、エネルギーを大量に消費する従来型コンピューターのハードウェアに依存しており、脳を遠くからまねたものにとどまっている。
ニューラルネットワークの構築
私たちが学ぶとき、脳内のニューロン間で電気信号が送られる。シナプスを初めて通過するときに最も多くのエネルギーが必要となる。その後は、通過するたびに必要なエネルギーが少なくなる。こうしてシナプスは、新しいことを学ぶことと、学んだことを記憶することの両方を効率よく支えている。この人工シナプスは、脳に似たコンピューティングの他の多くの方式とは異なり、この二つの役割を同時に果たし、大幅な省エネルギーも実現する。
「ディープラーニングのアルゴリズムは非常に強力ですが、電気状態を計算・シミュレーションするプロセッサーに依存し、その状態を別の場所に保存するため、エネルギーと時間の面で非効率です」と、サレオ研究室の元博士研究員で論文の筆頭著者であるヨエリ・ファン・デ・ブルフト氏は述べる。「ニューラルネットワークをシミュレーションするのではなく、ニューラルネットワークそのものを作ろうとしています。」
人工シナプスは電池の設計をもとにしている。薄く柔軟な膜が二枚あり、三つの端子を備え、塩水の電解質でつながっている。このデバイスはトランジスタとして機能し、端子の一つが残る二つの端子間の電流の流れを制御する。
学習によって脳内の神経経路が強化されるのと同じように、研究者らは人工シナプスを繰り返し放電・充電してプログラムする。この訓練により、シナプスを特定の電気状態にするために必要な電圧を、不確かさ1％以内で予測できるようになった。いったんその状態になると、シナプスはその状態を保つ。つまり、電源を切る前に作業内容をハードディスクに保存する一般的なコンピューターとは異なり、人工シナプスは追加の操作や部品なしでプログラムを呼び出せる。
難しい課題
人工シナプスは一つしか作られていないが、サンディアの研究者らは、そのシナプスを使った実験で得た15,000件の測定値から、複数のシナプスを並べたアレイがニューラルネットワーク内でどのように機能するかをシミュレーションした。シミュレーションしたネットワークで、0から9までの数字の手書き文字を認識できるかを検証した。三つのデータセットで試したところ、シミュレーション上のアレイは手書き数字を93～97％の精度で識別できた。
人にとっては比較的簡単なこの課題も、従来型コンピューターにとっては、視覚信号や聴覚信号の解釈が難しい。
「コンピューティング機器に求めるタスクはますます、脳を模倣するコンピューティングを必要とするようになっています。従来型のコンピューティングでこうしたタスクを実行すると、非常に多くの電力を消費するためです」と、カリフォルニア州リバモアにあるサンディア国立研究所のA・アレック・タリン氏は述べる。同氏は論文の筆頭著者である。「こうした種類のアルゴリズムの実行に最適で、消費電力を大幅に抑えられるデバイスを実証しました。」
このデバイスは、従来型コンピューターが苦手とする信号の識別や分類に非常に適している。デジタルトランジスタが0と1のような二つの状態しか取れないのに対し、研究者らは人工シナプスに500の状態をプログラムすることに成功した。これはニューロン型の計算モデルに役立つ。ある状態から別の状態への切り替えに使うエネルギーは、最先端のコンピューティングシステムが処理装置からメモリーへデータを移す際に必要とする量のおよそ10分の1だった。
ただし、それでも生物学的なシナプスが発火するために必要な最小エネルギーの約10,000倍を消費している。研究者らは、より小型のデバイスで人工シナプスを試験すれば、ニューロンレベルのエネルギー効率を達成できると期待している。
ブレイン・マシン・インターフェース
デバイスのすべての部品は安価な有機材料でできている。これらの材料は自然界には存在しないが、主に水素と炭素で構成され、脳の化学的性質と適合する。これらの材料上で細胞を培養でき、神経伝達物質のための人工ポンプの製造にも使われている。人工シナプスの訓練に加える電圧も、人間のニューロンを流れる電圧と同じだ。
これらのことから、人工シナプスが生きたニューロンと情報をやり取りし、ブレイン・マシン・インターフェースの改善につながる可能性がある。デバイスの柔らかさと柔軟性も、生体内での使用に適している。ただし、生物学分野で応用する前に、研究チームはさらなる研究と試験のため、人工シナプスの実際のアレイを構築する計画だ。
資金は、米国国立科学財団、ケック教員研究基金、スタンフォード大学のNeurofab、スタンフォード大学大学院フェローシップ、サンディアの研究所主導研究開発プログラム、米国エネルギー省、オランダ奨学金、フローニンゲン大学優秀学生奨学金、ヘンドリック・ミュラー国民基金、シュールマン・シンメル＝ファン・オウテレン財団、レンスワウデ財団（ハーグおよびデルフト）、マルコ・ポーロ基金、ブラジルの国立科学技術研究所／国立有機電子研究所、サンパウロ州研究支援財団、ブラジル国立研究会議から提供された。
