Ученые МФТИ приблизились к созданию нейроморфных процессоров

Ученые Московского физико-технического института (МФТИ) разработали новую конструкцию мемристора — одного из ключевых элементов будущих нейроморфных процессоров. Согласно данным иксбт.ком, этот электронный компонент не только успешно имитирует работу биологических синапсов, но и способен хранить записанные данные значительно дольше. Об этом Иксбт.ком сообщает.

Известно, что мемристоры — это элементы, способные изменять свое сопротивление в зависимости от прошедшего через них электрического заряда. Благодаря этому они могут одновременно выполнять вычисления и хранить данные. Это делает их перспективным направлением для архитектур, работающих на принципах человеческого мозга.

Технологические барьеры и их решение

Однако в подобных устройствах сохранялась важная проблема: исследователи всегда были вынуждены идти на компромисс между скоростью считывания и длительностью хранения данных. Хотя предыдущие разработки МФТИ могли повторять поведение синапсов, записанное состояние сохранялось лишь в течение нескольких секунд.

Ученые объясняют, что это ограничение было вызвано дефектами на границе мемристора с полупроводником. Возникающие там электрические поля заставляли материал возвращаться в исходное состояние, в результате чего устройство «забывало» записанную информацию.

Два режима и улучшенные показатели

В новой конструкции исследователи заменили металлические электроды на полупроводниковые и подобрали оптимальную толщину пленки на основе гафния и циркония. В результате удалось перевести мемристор в два условных режима — «обучающий» и «архивный».

В первом режиме устройство имитирует процесс обучения синапса, быстро меняя свое состояние, а во втором — способно длительное время хранить полученные данные. Длительность хранения информации удалось увеличить с нескольких секунд до почти 12 суток.

Также ресурс устройства по циклам перезаписи увеличился примерно в 20 раз. По мнению разработчиков, такие мемристоры могут стать основой для более эффективных нейроморфных процессоров для систем искусственного интеллекта.

В таких системах процессы хранения и вычисления данных выполняются непосредственно в одних и тех же элементах. Это, в свою очередь, позволяет снизить энергопотребление и повысить скорость обработки данных.

Ожидается, что в перспективе данная архитектура еще больше приблизит вычислительные системы к принципам работы человеческого мозга, поскольку в живом организме обработка и хранение данных происходят внутри единой нейронной сети.