Aplikasi Neuron Buatan di Masa Depan 1

Era Baru untuk Komputasi Neuromorfik

Dalam terobosan besar di bidang komputasi neuromorfik, para peneliti dari National University of Singapore (NUS) berhasil mencapai sesuatu yang sebelumnya dianggap membutuhkan material baru yang kompleks atau rangkaian rumit. Mereka membuktikan bahwa sebuah transistor silikon konvensional—jenis yang digunakan di hampir semua perangkat elektronik modern—dapat meniru fungsi inti dari neuron buatan biologis dan sinapsis. Penemuan ini, yang dipublikasikan di Nature pada 26 Maret 2025, dapat mempercepat pengembangan perangkat keras artificial intelligence (AI) yang hemat energi dan mudah diskalakan.

Studi ini, dipimpin oleh Associate Professor Mario Lanza dari Departemen Materials Science and Engineering di NUS College of Design and Engineering, menjanjikan perubahan paradigma. Alih-alih mendesain ulang seluruh sistem atau bergantung pada material eksperimental, tim ini menunjukkan bahwa teknologi CMOS (complementary metal-oxide-semiconductor) yang sudah ada dapat menjadi dasar komputasi terinspirasi otak yang canggih.

Mengapa Otak Masih Lebih Unggul dari AI?

Otak manusia, meski kecil dan berdaya rendah, masih mengungguli superkomputer tercepat dalam banyak tugas kognitif kompleks. Dengan sekitar 86 miliar neuron dan lebih dari 100 triliun sinapsis, otak mampu memproses informasi secara real-time, menyimpan memori, dan beradaptasi dengan efisiensi energi yang tak tertandingi. Hal ini sebagian besar disebabkan oleh cara neuron bekerja dan sinapsis menyesuaikan diri—fenomena yang dikenal sebagai synaptic plasticity—mekanisme biologis yang memungkinkan pembelajaran dan memori terjadi.

Artificial Neural Networks (ANN), yang menggerakkan segala hal mulai dari pengenalan suara hingga model bahasa besar, terinspirasi dari otak. Namun, sebagian besar ANN berbasis perangkat lunak berjalan di arsitektur komputer tradisional yang memisahkan memori dan pemrosesan. Pemisahan ini menyebabkan inefisiensi dan konsumsi daya tinggi, terutama dalam aplikasi AI skala besar.

Munculnya Komputasi Neuromorfik

Komputasi neuromorfik bertujuan untuk menjembatani kesenjangan antara silikon dan sinapsis dengan merancang sistem yang meniru struktur dan fungsi otak manusia. Untuk mewujudkannya, dua persyaratan teknologi sangat penting:

In-Memory Computing (IMC): Memori dan komputasi terjadi di tempat yang sama, mengurangi energi dan latensi.
Artificial Neuron Hardware: Perangkat yang dapat meniru perilaku neuron dan sinapsis biologis menggunakan elektronik.

Sebelumnya, upaya serupa menggunakan material baru seperti memristor atau rangkaian multi-transistor kompleks, tetapi pendekatan ini sering menghadapi masalah keandalan dan skalabilitas. Itulah mengapa terobosan NUS sangat penting.

Neuron Buatan dalam Sebuah Transistor

Para peneliti NUS menemukan bahwa sebuah transistor silikon standar, jika dikonfigurasi dengan tepat, dapat berperan sebagai neuron buatan. Dengan memanipulasi resistansi terminal bulk transistor, mereka mengendalikan dua efek fisik: punch-through impact ionization dan charge trapping. Efek ini memungkinkan transistor meniru aktivasi neuron dan modulasi berat sinapsis.

Secara sederhana, perangkat ini dapat melakukan fungsi utama sel otak—mengirim sinyal dan menyesuaikan kekuatannya seiring waktu. Perilaku ganda ini, yang sebelumnya hanya mungkin dengan sistem eksperimental yang rumit, kini dapat dihasilkan dari chip silikon dasar yang mudah diproduksi massal.

NS-RAM: Sel Memori dengan Dua Mode

Berdasarkan penemuan ini, tim NUS mengembangkan konfigurasi dua transistor baru bernama Neuro-Synaptic Random Access Memory (NS-RAM). Sel memori inovatif ini dapat beroperasi dalam mode neuron atau sinapsis, meningkatkan kegunaannya dalam sistem komputasi neuromorfik.

Menurut Profesor Lanza, “Ini pertama kalinya sebuah transistor silikon digunakan untuk mereplikasi fungsi neuron dan sinapsis menggunakan platform yang komersial. Ini bukan sekadar temuan ilmiah—ini lompatan praktis menuju perangkat keras AI dunia nyata.”

Mengapa Silikon Standar Penting?

Sebagian besar perangkat keras neuromorfik eksperimental bergantung pada material eksotis atau proses perakitan rumit. Keterbatasan ini menyulitkan produksi massal dalam skala besar.

Sebaliknya, pendekatan tim NUS menggunakan teknologi CMOS komersial—fondasi semua mikrochip saat ini. Ini memastikan:

Skalabilitas: Kompatibel dengan infrastruktur pembuatan chip yang ada.
Keandalan: Teknologi yang telah teruji selama puluhan tahun.
Konsistensi: Perilaku stabil dan dapat diprediksi di berbagai perangkat.

Dengan menggunakan komponen industri standar untuk membangun neuron buatan, penelitian ini secara dramatis menurunkan hambatan untuk membawa komputasi terinspirasi otak ke produk mainstream.

Artikel Lainnya : Rekor Dunia Terpecahkan: Material Baru Merevolusi Konduktivitas Ion

Manfaat Nyata NS-RAM

Dalam pengujian lab, NS-RAM menunjukkan beberapa fitur penting untuk aplikasi neuromorfik yang sukses:

Konsumsi Daya Rendah: Mengurangi kebutuhan energi untuk operasi AI.
Daya Tahan: Mempertahankan kinerja dalam banyak siklus.
Stabilitas: Fungsi yang konsisten di berbagai unit.

Sifat-sifat ini membuat NS-RAM kandidat ideal untuk menanamkan neuron buatan ke dalam perangkat sehari-hari—mulai dari prosesor AI edge, perangkat IoT, hingga robotika generasi berikutnya.

Aplikasi yang Menjanjikan

Kemampuan mereplikasi perilaku neuron dan sinapsis dalam satu transistor membuka pintu bagi berbagai aplikasi canggih:

Chip AI Hemat Energi: Ideal untuk teknologi wearable dan seluler.
On-Device Learning: Membawa pembelajaran mesin lebih dekat ke inferensi real-time lokal.
Edge Computing: Meningkatkan kinerja di lokasi dengan akses cloud terbatas.

Sel NS-RAM juga dapat berperan penting dalam robotika, kendaraan otonom, dan sistem AI apa pun yang membutuhkan pengambilan keputusan real-time dengan daya terbatas.

Masa Depan: Neuron Buatan di Mana-Mana?

Implikasi penelitian ini jauh melampaui satu terobosan. Jika diadopsi secara luas, integrasi kemampuan neuron buatan ke dalam chip standar dapat mengubah cara kita merancang sistem elektronik.

Alih-alih bergantung pada pusat data terpusat untuk pemrosesan AI, perangkat masa depan mungkin melakukan tugas deep learning secara lokal menggunakan chip neuromorfik khusus. Chip ini akan lebih kecil, lebih efisien, dan lebih cepat—membawa kita lebih dekat ke komputasi yang benar-benar meniru otak manusia.

Profesor Lanza dan timnya terus menyempurnakan desain dan mengeksplorasi integrasi ke dalam chipset yang lebih besar. Karya mereka membuka jalan bagi AI terdesentralisasi yang kuat—dan menunjukkan bahwa masa depan neuron buatan mungkin sudah ada dalam silikon yang kita gunakan saat ini.

Kesimpulan: Bab Baru dalam Perangkat Keras AI

Penelitian NUS menawarkan kombinasi langka antara inovasi dan kepraktisan. Dengan mengubah transistor silikon sederhana menjadi neuron buatan yang berfungsi penuh, tim ini telah mengatasi dua tantangan terbesar komputasi neuromorfik: kinerja dan skalabilitas.

Dengan kompatibilitas manufaktur yang sudah ada dan metrik kinerja yang kuat, penemuan ini dapat merevolusi pengembangan perangkat keras AI terinspirasi otak yang hemat daya. Seiring meningkatnya kebutuhan komputasi dan keterbatasan arsitektur tradisional yang semakin jelas, terobosan ini berpotensi mengubah seluruh bidang secara fundamental.

Bucee Bytes