Дорогие читатели, Нашему шестнадцатилетнему, волонтёрскому и некоммерческому проекту для создания новой, современной версии N-N-N.ru, очень нужно посоветоваться касательно платформы нашего сайта – SYMFONY & DRUPAL 8. Платформа не простая, но обещаем – мы не займём много времени, просто нужна консультационная поддержка квалифицированного разраба. Если вы можете помочь, то связаться с нами можно на страницах Facebook.com здесь и здесь.

В МФТИ создали устройство для имитации биологической памяти

Устройство, подобно синапсу в живом мозге, запоминает информацию и естественным образом постепенно забывает те данные, к которым давно не обращались. Статья опубликована в журнале ACS Applied Materials & Interfaces.

Нейроморфные компьютеры, лежащие в основе искусственного интеллекта, воспроизводят устройство мозга. При этом нейроны и связи между ними — синапсы — можно реализовать цифровым или аналоговым способом. В первом случае они представляют собой математические модели, использующие компьютеры с обычной цифровой архитектурой. Во втором случае узлы и связи нейросети — это реальные элементы на микросхеме.

Хотя большинство современных нейрокомпьютеров использует цифровой подход, аналоговая архитектура имеет серьезный потенциал. В теории такие машины могли бы проводить вычисления быстрее и тратить несоизмеримо меньше электроэнергии. Базовый компонент аналоговых нейрокомпьютеров — мемристор.

Это устройство, впервые испытанное в 2008 году, представляет собой ячейку памяти (ср. англ. memory), которая ведет себя как резистор с управляемым сопротивлением. Именно величина сопротивления кодирует информацию в мемристоре, подобно силе синапса между нейронами мозга.

Но живой мозг устроен сложнее: при редкой активации синапсов их сила уменьшается, а при частой — наоборот, увеличивается. Это свойство лежит в основе естественной памяти и обучения. Поэтому мы постепенно забываем образы, к которым мозг редко обращается, а повторение конспекта лекции фиксирует материал в памяти.

В 2015 году был предложен мемристор второго рода, который воспроизводит усиление и ослабление связей между нейронами мозга. Физически естественную память можно реализовать по-разному. Один из вариантов — формирование в мемристоре проводящих ток мостиков из наночастиц. Эти мостики снижают сопротивление, но со временем естественным образом распадаются, что соответствует забыванию информации.

«Недостаток этого решения в том, что в течение работы устройство ощутимо меняет свое поведение, а в какой-то момент не выдерживает и разрушается, — рассказывает ведущий автор исследования Анастасия Чуприк из лаборатории нейровычислительных систем МФТИ. — Мы использовали более надежный механизм, который продемонстрировал впечатляющий запас прочности: после проверки на 100 миллиардов циклов переключения система почти не изменила свои свойства, и коллеги отчаялись исчерпать ресурс ячейки памяти».

Подход научной группы из МФТИ основан на использовании сегнетоэлектрика. Это вещество, которое под действием внешнего электрического поля меняет и затем сохраняет свою электрическую поляризацию, подобно намагниченности железа. Под поляризацией в этом случае понимается распределение связанного заряда в материале.

Исследователи реализовали мемристор второго рода в виде сегнетоэлектрического туннельного перехода — двух электродов, между которыми проложена тонкая пленка сегнетоэлектрика, оксида гафния (рисунок 1, справа). Внешние электрические импульсы контролируют поляризацию пленки в мемристоре, что и определяет его сопротивление.

pamyat1.pngРисунок 1. Слева изображен синапс из живого мозга — прообраз искусственного синапса (справа). Последний представляет собой мемристор, реализованный в виде туннельного сегнетоэлектрического перехода — тонкой пленки оксида гафния (розовый), проложенной между электродом из нитрида титана (синий) и кремния (серый). Кремниевый электрод одновременно играет роль подложки. Внешние электрические импульсы переключают состояния мемристора за счет изменения поляризации оксида гафния и, следовательно, его проводимости / ©Дизайнер: Елена Хавина / Пресс-служба МФТИ

«Самое сложное — подобрать подходящую толщину сегнетоэлектрического слоя, — добавляет Анастасия Чуприк. — Оказалось, для оксида гафния она составляет четыре нанометра. Если сделать пленку всего на нанометр тоньше, то она потеряет сегнетоэлектрические свойства, а если толще — электроны не смогут туннелировать через нее, а именно туннельный ток поддается регулировке через поляризацию».

Оксид гафния — не единственный сегнетоэлектрик, но он имеет важное преимущество перед титанатом бария и другими подобными материалами. Содержащие гафний вещества уже прижились в микроэлектронной промышленности. Например, они с 2007 года используются в микрочипах «Интел». Поэтому внедрение подобных разработок потребует не так много времени и инвестиций, как для нового материала.

Любопытно, что исследователям, по сути говоря, удалось воплотить механизм забывания за счет «несовершенства» материала. Именно дефекты на границе между кремнием и оксидом гафния, которые мешали внедрению этого материала в процессорах, делают возможным затухание проводимости мемристора со временем, воспроизводящее естественную память.

Виталий Михеев, первый автор исследования, поделился планами коллектива: «В будущем мы рассмотрим взаимодействие разных механизмов, которые переключают сопротивление в мемристоре. Оказывается, сегнетоэлектрический эффект может быть не единственным в наших структурах. Поэтому для дальнейшего совершенствования устройств потребуется разделять влияние разных механизмов и уметь их комбинировать».

По словам авторов исследования, они продолжат изучать фундаментальные свойства оксида гафния, чтобы повысить надежность хранения информации в ячейках энергонезависимой памяти. Кроме того, планируется перенос устройств на гибкую подложку для использования в гибкой электронике.

В прошлом году научная группа подробно описала переключение поляризации оксида гафния под действием электрического поля. Именно этот процесс позволяет снижать сопротивление сегнетоэлектрического мемристора, что соответствует усилению синапса в биологическом мозге. Лаборатория нейровычислительных систем также занимается нейрокомпьютерами с цифровой архитектурой.

Пожалуйста, оцените статью:
Ваша оценка: None Средняя: 5 (4 votes)
Источник(и):

Naked Science