Компонент для компьютеров, созданный по образцу мозга

По сравнению с компьютером, человеческий мозг невероятно энергоэффективен. Поэтому при разработке новых компьютерных технологий ученые ориентируются на функционирование мозга с его объединенными в сеть нервными клетками. Исследователи предполагают, что такие компьютерные системы, вдохновленные мозгом, будут более энергоэффективными, чем обычные, и смогут лучше решать задачи машинного обучения.

По аналогии с нервными клетками, которые отвечают за хранение и обработку данных в мозге, исследователи также хотят объединить хранение и обработку данных на одном типе компонентов, так называемых мемристорах. Это должно помочь добиться повышения эффективности. В обычных компьютерах данные перемещаются между процессором и памятью. Это является основной причиной высокого потребления энергии в процессах машинного обучения на обычных компьютерах.

Исследователи из ETH Zurich, Университета Цюриха и компании Empa разработали новую концепцию мемристора, который можно использовать гораздо более гибко, чем предыдущие мемристоры. “Существуют различные режимы работы мемристоров, и в зависимости от архитектуры искусственной нейронной сети, выгодно иметь возможность использовать все эти режимы“, — объясняет аспирант ETH Рохит Джон. “Однако предыдущие традиционные мемристоры должны были быть заранее настроены на один такой режим за раз“. Новые мемристоры, созданные исследователями из Цюриха, теперь могут легко переключаться между двумя режимами работы во время их использования: один, в котором сигнал ослабевает и гаснет со временем (волатильный режим), и другой, в котором сигнал остается постоянным (энергонезависимый режим).

Как в мозгу

“Эти два режима работы существуют и в человеческом мозге, — объясняет Джон, — С одной стороны, стимулы передаются от нервной клетки к нервной клетке через синапсы с помощью биохимических мессенджеров. Эти стимулы сначала сильные, а затем постепенно ослабевают. С другой стороны, во время обучения в мозге образуются новые синаптические связи с другими нервными клетками. Они более долговечны“.

Рохит Джон является аспирантом в группе профессора ETH Максима Коваленко и был награжден стипендией ETH для отличных аспирантов в 2020 году. Джон провел это исследование вместе с Йигитом Демирагом. Он является аспирантом в группе профессора Джакомо Индивери в Институте нейроинформатики Цюрихского университета и ETH Zurich.

Полупроводниковый материал, известный по солнечным батареям

Мемристоры, разработанные исследователями, изготовлены из нанокристаллов галогенидного перовскита – полупроводникового материала, известного в первую очередь благодаря использованию в фотогальванических элементах. ““Проведение возбуждения” в этих новых мемристорах опосредовано временным или постоянным нанизыванием ионов серебра вместе, начиная с электрода, для формирования нановолокна, проникающего в структуру перовскита и через которое может протекать ток” — объясняет Коваленко.

“Устройства помогают исследователям лучше понять принципы вычислений реальных нейронных цепей у людей и животных”.
Джакомо Индивери, ETH и Цюрихский университет

На этот процесс можно повлиять таким образом, что волокно ионов серебра будет либо тонким и со временем распадется на отдельные ионы серебра (летучий режим), либо толстым и постоянным (нелетучий режим). Это контролируется силой тока, подаваемого на мемристор: Если он управляется слабым током, формируется неустойчивый режим. Если на него подается сильный ток, то формируется энергонезависимый режим.

Инструментарий для нейроинформатиков

“Насколько нам известно, это первый мемристор, который может надежно переключаться между энергозависимым и энергонезависимым режимами по требованию“, — говорит Демираг. Это означает, что в будущем компьютерные чипы можно будет производить с мемристорами, которые будут работать в обоих режимах. Это связано с тем, что обычно невозможно объединить несколько различных типов мемристоров на одном чипе.
В рамках исследования, которое они опубликовали в журнале Nature Communications, ученые протестировали 25 таких новых мемристоров и провели с ними 20 000 измерений. Это позволило им смоделировать вычислительную задачу в сложной сети. Эта задача включала в себя отнесение большого количества различных нервных импульсов к четырем определенным шаблонам.

Пока мемристоры не могут быть использованы в компьютерной технике, они должны быть дополнительно оптимизированы. Но такие компоненты также важны для исследований в области нейроинформатики, как отмечает Индивери: “Эти компоненты ближе к реальным нейронам, чем предыдущие. Это поможет исследователям лучше проверять гипотезы в нейроинформатике и, надеюсь, лучше понять принципы вычислений реальных нейронных цепей у людей и животных“.

Интересное на эту тему: Эти 5 знаков зодиака – лучшие геймеры