Исследователи из МФТИ представили устройство, которое запоминает часть данных и «забывает» информацию, к которой давно не обращались. Они создали его на основе мемристора — элемента, который может изменять свою сопротивляемость в зависимости от заряда, который через него прошел. С его помощью ученые хотят создать нейроморфный компьютер, который будет обучаться и запоминать данные примерно так же, как человек.

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.

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

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.

Все это может привести к созданию нейроморфных компьютеров. Эти устройства могут понадобиться для решения сложных для стандартного компьютера задач — факторизации целых чисел, обработки данных на фотографиях и моделирования сложных событий.

Рекомендуемые статьи

Добавить комментарий

Ваш адрес email не будет опубликован.

Close