Aivojen älykkyys materiaaleihin – Dr. Amit Tewari ja joustavan neuromorfisen elektroniikan seuraava kehitysvaihe

Nykyaikaista laskentaa rajoittaa historiallinen eriytyminen, jossa muisti sijaitsee yhdessä fyysisessä paikassa ja laskenta suoritetaan toisessa. Vaikka piisirut ovat poikkeuksellisen suorituskykyisiä ja tehokkaita, tavanomaisten puettavien laitteiden on jatkuvasti siirrettävä raakadataa edestakaisin keskuspalvelimille tiedonhaku- ja käsittelyprosesseja varten, mikä kuluttaa huomattavasti energiaa. Puettavan terveysteknologian, pehmeän robotiikan ja älyympäristöjen aikakaudella tämän pullonkaulan ratkaiseminen edellyttää aivorakennetta jäljittelevää (neuromorfista) laskentaa. Näiden edistyneiden arkkitehtuurien tuominen ihmiskeholle vaatii kuitenkin siirtymistä fyysisesti jäykistä piialustoista taipuisiin, muotoutuviin materiaaleihin. 

Tampereen yliopiston tutkijakollegiumin (Tampere Institute for Advanced Study) vanhemmaksi tutkijatohtoriksi äskettäin nimitetty tohtori Amit Tewari pyrkii kuromaan tämän eron umpeen. Hänen kolmivuotinen tutkijantoimensa perustaa itsenäisen tutkimusohjelman, joka kohdistuu nykyaikaisen laitteiston fyysisiin pullonkauloihin alkaen perustavanlaatuisesta valmistusteknisestä rajoitteesta. 

– 2D-NEURO-projektini käsittelee keskeistä haastetta, eli sitä, miten aivorakennetta jäljittelevä laskenta voidaan tuoda perinteisiltä jäykiltä piialustoilta taipuisiin ja puettaviin järjestelmiin. Vaikka neuromorfiset laitteet ovat osoittautuneet erittäin lupaaviksi, niiden valmistaminen pehmeille alustoille on edelleen haastavaa, sillä komponenteissa yleensä tarvittavat korkeat lämpötilat voivat vaurioittaa taipuisia materiaaleja.

Kuva: Karu Films

Synaptisten materiaalien fysiikka 

Biologisissa aivoissa oppiminen tapahtuu, kun yksittäisten hermosolujen väliset fyysiset kytkennät eli synapsit vahvistuvat tai heikkenevät käytön mukaan. Tämän dynaamisen käyttäytymisen jäljitteleminen fyysisessä laitteistossa edellyttää erikoistuneita elektronisia komponentteja. 

Siinä missä tavanomainen vastus ainoastaan rajoittaa sähkövirran kulkua, memristori kykenee muistamaan sen läpi kulkeneen virran historian. Transistoriin yhdistettynä se muodostaa hybridikomponentin, jota kutsutaan memtransistoriksi. Nämä laitteet toimivat keinotekoisina synapseina ja suorittavat sekä muistitallennusta että signaalinkäsittelyä yhdessä ja samassa komponentissa. 

Tämän aivomaiseen rakenteeseen pohjautuvan arkkitehtuurin toteuttaminen pehmeille pinnoille edellyttää luopumista tavanomaisten tietokoneen sirujen paksusta ja jäykästä piistä sekä siirtymistä kaksiulotteisiin (2D) puolijohteisiin. 

– Koska nämä materiaalit ovat vain muutaman atomikerroksen paksuisia, ne tarjoavat ainutlaatuisia etuja, kuten mekaanista joustavuutta, erinomaisen sähköisen ohjattavuuden, korkean herkkyyden sekä säädettäviä elektronisia ominaisuuksia.

Nämä ominaisuudet tekevät niistä erityisen sopivia sellaisten elektronisten komponenttien rakentamiseen, jotka kykenevät jäljittelemään biologista oppimista. 

– Biologisten synapsien tavoin memtransistorit voivat säätää ja säilyttää konduktanssinsa aikaisempien signaalien perusteella, mikä mahdollistaa oppimis- ja muistitoiminnot suoraan itse komponentissa.

Näiden atomitason puolijohteiden integroiminen matalassa lämpötilassa valmistettaviin eristekalvoihin (dielektreihin) kiertää piivalmistuksen rajoitukset. Tuloksena on kevyt ja taipuisa alusta, joka kykenee samanaikaiseen mittaamiseen, muistitallennukseen ja reaaliaikaiseen laskentaan. 

Kuva: Karu Films

Valolla valmistaminen: fotoninen korkeatehosintraus 

Lupaavuudestaan huolimatta 2D-materiaalien siirtäminen taipuisille alustoille, kuten muoveille, paperille tai elastomeereille, muodostaa merkittävän esteen. Tavanomainen puolijohdevalmistus tukeutuu korkeassa lämpötilassa tapahtuvaan uunikäsittelyyn virheiden poistamiseksi, mikä ylittää helposti useita satoja celsiusasteita ja sulattaa taipuisat alustat. Ongelman ratkaisemiseksi projektissa hyödynnetään fotonista korkeatehosintrausta (HPS), joka on innovatiivinen menetelmä hitaiden uunien korvaamiseksi paikallisella valoenergialla. 

– Fysiikka tämän takana on yksinkertaista: kerrostettu dielektrinen kalvo imee valoa ja kuumenee vain sekunnin murto-osan ajan, mikä mahdollistaa atomitason järjestäytymisen, virheiden vähenemisen ja materiaalin laadun parantumisen. Koska kuumeneminen on erittäin paikallista ja äärimmäisen lyhytkestoista, taipuisa alusta pysyy suhteellisen viileänä ja välttää lämpövauriot.

Paikallinen älykkyys kosketuspinnassa 

Riippuvuuden voittaminen jäykästä piistä mahdollistaa muotoutuvan elektroniikan, joka mukautuu saumattomasti epäsäännöllisille, pehmeille pinnoille, kuten ihmisen iholle tai tekstiileille. Nykypäivän puettavat laitteet toimivat yksinkertaisina tiedonsiirtokanavina, jotka keräävät raakadataa ja lähettävät sitä etäpalvelimille, mikä aiheuttaa merkittäviä viiveitä ja suuren tehonkulutuksen. Tiedon käsitteleminen paikallisesti suoraan kosketuspinnassa jäljittelee biologista hermostoa. 

– Sen sijaan, että suuria raakadatamääriä siirrettäisiin ulkoisille suorittimille, nämä piirit voivat käsitellä tietoa paikallisesti, paljolti biologisten hermojen ja synapsien tavoin. Keskeisiä etuja ovat alhaisempi tehonkulutus, nopeammat vasteajat ja tiedonkäsittelyn pullonkaulojen väheneminen, mikä mahdollistaa reaaliaikaisen päätöksenteon sellaisissa sovelluksissa kuin terveydenhuollon seurannassa, ihmisen ja koneen välisissä rajapinnoissa sekä pehmeässä robotiikassa.

Tieteenalojen risteyskohta 

Tohtori Tewarin akateeminen tausta ilmentää tätä kemian, komponenttifysiikan ja materiaalitekniikan monipuolista synteesiä. Hänen väitöskirjatutkimuksensa, joka toteutettiin yhteistyössä IIT Bombayn ja Monash-yliopiston kanssa, keskittyi grafeenipohjaisten musteiden ja taipuisien terveyssensorien kehittämiseen luoden pohjan hänen nanomateriaaliasiantuntemukselleen. Tämän jälkeen hän siirtyi komponenttifysiikkaan toimiessaan tutkijana Etelä-Koreassa KAIST-yliopistossa, jossa hän tutki energiatehokasta ferrosähköistä muistia. Tämä erikoistunut teknologia tallentaa tietoa hyödyntämällä sähköistä polarisaatiota hafnium-tsirkoniumoksidin (HfZrO2) ohutkalvoissa. Myöhemmin tutkijana Åbo Akademissa Suomessa hän yhdisti nämä alat bioelektroniikkaan tutkimalla, miten synteettiset elektroniset komponentit voivat olla suorassa vuorovaikutuksessa elävien biologisten signaalien kanssa. 

– Päivittäisessä työssäni liikun materiaalisynteesin, komponenttivalmistuksen, karakterisoinnin ja piiritason ajattelun välillä. Tämä jatkuva tieteenalojen välinen vuorovaikutus on yksi nykyaikaisen tekniikan innostavimmista puolista ja täysin välttämätöntä seuraavan sukupolven neuromorfisten teknologioiden kehittämiselle.

Nyt Tampereen yliopistossa työskentelevä Tewari yhdistää nämä tekniset osa-alueet alueellisen yhteistyöekosysteemin puitteissa. Tämän tutkimusohjelman pystyttäminen nojaa vahvasti paikallisiin kumppanuuksiin ja yliopiston yhteiskäyttöiseen infraestructuraan, mikä korostaa myös mentoroinnin merkitystä. 

– Haluan esittää lämpimät kiitokseni professori Matti Mäntysalolle ja professori Sayani Majumdarille Tampereen yliopistossa sekä professori Paul Bergerille Ohio State -yliopistossa heidän korvaamattomasta ohjauksestaan, horjumattomasta tuestaan ja jatkuvasta luottamuksestaan työtäni kohtaan, Tewari toteaa ja nostaa esiin yhteistyön keskeisissä hankkeissa, kuten SOIL-, Intellisence Cust.- ja HI-PHOTO-SINTER-projekteissa. 

Painetun älykkyyden tulevaisuus 

2D-NEURO-projektin kolmivuotisen toimikauden yli katsottaessa lopullisena tavoitteena on määritellä laskentateho uudelleen fyysisen materian sisäänrakennettuna, tulostettavana ominaisuutena mieluummin kuin ulkoisena, keskitettynä resurssina. Visiona on tulevaisuus, jossa aivomaisia laskentapiirejä voidaan kerrostaa arkipäiväisille pinnoille yhtä helposti kuin viivakoodeja tulostetaan nykyään. 

– Kuvittelemme pintoja, jotka voivat aistia ympäristöään, mutta myös käsitellä tietoa ja reagoida reaaliaikaisesti. Pelkän datankeruun sijaan nämä pinnat voisivat oppia ympäristöstään, tunnistaa hahmoja ja tehdä paikallisia päätöksiä erittäin alhaisella tehonkulutuksella.