Läraktig transistor härmar hjärnan

En transistor i organisk elektronik som både kan lära sig och har såväl kort- som långtidsminne har utvecklats av forskare vid Linköping universitet. Tekniken innebär ett stort steg mot att efterlikna hur den mänskliga hjärnan fungerar.

Hittills har våra hjärnor varit unika i att kunna skapa kopplingar där inga kopplingar tidigare fanns. I en vetenskaplig artikel i Advanced Science visar nu forskare vid Linköpings universitet en transistor som kan skapa en helt ny koppling mellan in- och utsignal. Transistorn har de också bygg in i en elektronisk krets som lär sig att koppla samman ett visst stimuli med en utsignal på samma vis som en hund lär sig att skrammel med matskålen betyder mat och börjar dregla.

En vanlig transistor fungerar som en ventil som förstärker eller förminskar utsignalen, beroende på hur insignalen ser ut. I den organiska elektrokemiska transistor som forskarna har tagit fram formas själva kanalen i transistorn av en elektropolymeriserad ledande polymer. Kanalen kan formas, den kan växa eller krympa, och även tas bort helt under gång. Den kan också tränas att reagera på ett visst stimuli, en viss insignal, så att transistorkanalen leder allt bättre och utsignalen blir allt större.

– Det är första gången någon har kunnat visa förändringsbarhet i en elektronisk komponent i realtid i ett system som ska efterlikna hur hjärnan fungerar, säger Simone Fabiano, forskningsledare inom organisk nanoelektronik vid Laboratoriet för organisk elektronik, Campus Norrköping.

Förändringarna sker genom att öka polymeriseringen av materialet i transistorkanalen, fler och fler polymerkedjor skapas som leder signalen, eller så överoxideras materialet (en hög spänning läggs på) så att kanalen blockeras. Gradvisa förändringar av ledningsförmågan kan också göras genom att förändra dopningen av materialet.

– Vi har visat att vi kan skapa både kortvariga och permanenta förändringar i hur transistorn processar information, något som är nödvändigt om vi vill efterlikna det sätt som hjärnceller kommunicerar med varandra, säger Jennifer Gerasimov, postdoktor inom organisk nanoelektronik och en av artikelns författare.

Genom att ändra ingångssignalen kan styrkan i transistorns reaktion moduleras inom ett stort spann och kopplingar kan skapas där inga kopplingar tidigare fanns. Det ger ett beteende som är jämförbart med synapsernas eller med kommunikationen mellan två hjärnceller.

Detta innebär även ett stort steg framåt inom maskininlärning med organisk elektronik.Inom maskininlärning används i dag mjukvarubaserade neurala nätverk för det som också kallas djupinlärning. Mjukvaran ser till att signalerna skickas mellan ett stort antal noder för att simulera en enda synaps, något som kräver stor beräkningskraft och därmed också energi.

– Vi har tagit fram en hårdvara som gör samma sak med en enda elektronisk komponent, konstaterar Jennifer Gerasimov.

– Vår organiska elektrokemiska transistor kan därför utföra tusentals vanliga transistorers jobb med en energiåtgång som närmar sig den energi som går åt när en mänsklig hjärna skickar signaler mellan två celler, intygar Simone Fabiano.

För transistorkanalen används inte den i särklass vanligaste polymeren inom den organiska elektroniken, PEDOT. Istället används en polymer av en nyligen utvecklad monomer, ETE-S, framtagen av Roger Gabrielsson, även han verksam vid Laboratoriet för organisk elektronik och medförfattare till artikeln.

ETE-S har flera unika egenskaper som gör den perfekt för den här applikationen. Den formar lagom långa polymerkedjor, den är vattenlöslig som monomer, men inte som polymer, och den producerar polymerer med en lämplig nivå av dopning. Polymeren PETE-S produceras negativt laddad för att balansera de positiva laddningsbärarna (den är p-dopad).

Forskningen har finansierats med medel från bland andra Knut och Alice Wallenbergs stiftelse, Vinnova, Vetenskapsrådet och Stiftelsen Strategisk Forskning.

An Evolvable Organic Electrochemical Transistor for Neuromorphic Applications, Jennifer Y Gerasimov, Roger Gabrielsson, Robert Forchheimer, Eleni Stavrinidou, Daniel T Simon, Magnus Berggren and Simone Fabiano, Linköping University, Advanced Science 2018.  DOI 10.1002/advs.201801339

Kontakt:

Simone Fabiano, simone.fabiano@liu.se+46 11 36 36 33

Magnus Berggren, professor, magnus.berggren@liu.se, +46 11 36 36 37

Jennifer Gerasimov, jennifer.gerasimov@liu.se + 46 11 36 34 04