数十年にわたり、科学者たちは脳のように動作する電子機器の開発に取り組んできた。これはニューロモーフィックコンピューティングと呼ばれる概念で、現在の標準的なプロセッサに依存するのではなく、脳のニューロンが発火し接続する方法を模倣するチップを設計するというものだ。その可能性は計り知れない。人間のように考えるが、はるかに少ない電力で動作するコンピュータの実現だ。問題は、人工ニューロンが実際のニューロンと同じ電圧レベルで「会話」できないことであり、これがその能力を制限していた。
マサチューセッツ大学アマースト校の研究チームがこのギャップを埋めたかもしれない。彼らの開発した人工ニューロンは、スパイクごとにわずかピコジュール単位のエネルギーしか使わず、生きた細胞と同じ電圧範囲で発火するようになった。Nature Communicationsに掲載されたこの研究結果は、シリコンと生物学がついに同じ電気言語で会話できるようになったことを示している。
微生物のナノワイヤーとシリコンの対比
UMassのデバイスの中核となるのは、電気的状態を「記憶する」メムリスタという部品だ。研究チームはシリコンの代わりに、ジオバクター・サルファリデューセンスという細菌から採取したタンパク質ナノワイヤーを使用して作製した。これらのナノワイヤーは自然に低電圧で電荷を移動させる。
UMassのアプローチは、テクノロジー大手企業が構築しているものとは大きく異なる。インテルのLoihiチップやIBMのTrueNorthは、シリコンのみで構築されたニューロモーフィックプラットフォームだ。これらは数千のトランジスタでニューロンをシミュレートするが、依然として生物学よりもはるかに高い電圧で発火する。UMassはショートカットを使用している。
重要な突破口は2年前、大学院生のシュアイ・フー氏が、実際のニューロンの充電と放電の方法を模倣する単純なRCサーキットにナノワイヤーメムリスタを接続したときに訪れた。
「当時、人工ニューロンを構築するためにこれをどのように活用できるか、あまり手がかりがありませんでした」と、マサチューセッツ大学アマースト校の電気・コンピュータ工学部および応用生命科学研究所の研究者で准教授のジュン・ヤオ氏は振り返る。
この取り組みの結果、一度きりのバーストではなく、繰り返し可能な電圧スパイクが生まれた。実際には、これは脳内と同様に、一つの人工ニューロンが次のニューロンを発火させることができることを意味する。
この設計は、チップ工場で使用されるのと同じ標準的なCMOSプロセスで構築できる。これにより、カスタムセットアップを必要とする特殊な量子やフォトニックデバイスとは異なる。しかし、スケーリングは依然として難しい課題だ。タンパク質ナノワイヤーは細菌によって生成され、精製され、チップ上に配置される必要がある。ヤオ氏のグループはエネルギー収穫デバイスでこれを実現しているが、産業規模での一貫性はまだ証明されていない。
比較すると、インテルとIBMは何百万ものシリコンニューロンを容易に製造できるが、生物学の電圧範囲にはまだ対応できていない。UMassは電圧とエネルギーにおいて生物学的忠実性を実現したが、材料面での課題はより困難だ。
生物学に匹敵するエネルギー効率
このデバイスはスパイクごとにわずか数ピコジュールで発火できる。これは通常0.3〜100ピコジュールを使用する生物学的ニューロンと非常に似ている。この重なりは理論的ではなく直接的だ。回路の電圧と電流の測定値がこの主張を裏付けている。
この効率性こそが、インテル、IBM、BrainChipのようなスタートアップ企業がニューロモーフィックコンピューティングに熱中する理由だ。脳はわずか約20ワットのエネルギーで動作するのに対し、データセンターは同じタスクに対してメガワット単位のエネルギーを消費する。
しかしヤオ氏は、エネルギーだけが全てではないと警告する。「重要なのは単一の人工ニューロンのエネルギーだけではありません。同様の方法でそれらをネットワークに接続することも重要です。私たちはまだそこには到達していません」
純粋に電子信号に依存する既存の商用ニューロモーフィックチップとは異なり、UMassのニューロンは化学物質にも反応できる。研究チームは回路にナトリウムとドーパミンのセンサーを統合した。ナトリウムレベルは発火頻度を着実に高めた。ドーパミンは「両極性効果」を引き起こし、低濃度では発火が増加し、高濃度では減少した。
これは私たちの生物学が行っていることだ。私たちのニューロンは化学信号に基づいて発火を調整する。UMassはこれがハードウェアでも可能であることを示したが、現時点では限られた分子セットに対してのみだ。より広範な検知には新しい表面処理が必要になる。
研究グループはまた、このニューロンが生体組織と接続できることも証明した。培養皿内の心臓細胞に接続すると、人工ニューロンは細胞の通常の拍動（0.4Hz）では静かなままだった。ノルエピネフリンが細胞を加速（0.6Hz）した後、人工ニューロンは同期して発火した。
「現在の障壁は、ニューロン信号の全振幅を捉える能力がないことです。これはバイオセンシング分野における既知の課題です」とヤオ氏は言う。人工ニューロンは信号を処理できるが、ボトルネックはそれらを拾い上げるセンサーにある。
このデバイスは実際のニューロンと同様に、発火にわずかなばらつきを示す。一部の研究者は確率的コンピューティングにおいてランダム性をプラスと見なす。他の研究者はそれを管理すべきノイズと見なす。UMassは発火率が高くなるとばらつきが減少することを発見し、生物学的な挙動を反映している。これが機械学習において有用かどうかは、システム設計によって異なる。
今後の展望
現時点では、最も明確なアプリケーションは脳コンピュータインターフェースや超人的AIではなく、少数の人工ニューロンが細胞信号を直接解釈できる医療診断、薬物スクリーニング、毒性試験などのニッチなバイオセンシングプラットフォームだ。
今後10年間でどのような方向に進むのだろうか？
「10年もあれば、あまりにも多くの驚きがあるでしょう」とヤオ氏は説明する。「10年前を考えてみると、ChatGPTのようなAIは想像もしていませんでした。だから私は、何でも可能だという大きな希望と信念を持っています。なぜできないと言えるでしょうか？」