Написано AZoNano [194590000] [194590000] ]

Особенно деятельность в области искусственного интеллекта, такая как обучение роботов ходьбе или точное автоматическое распознавание изображений, требует все более мощных, но в то же время более экономичных компьютерных чипов. Хотя оптимизация обычной микроэлектроники постепенно достигает физических пределов, природа предлагает нам план того, как информация может обрабатываться и храниться быстро и эффективно: наш собственный мозг.

Впервые ученые из TU Dresden и Helmholtz-Zentrum Dresden-Rossendorf (HZDR) теперь успешно имитировали функционирование нейронов мозга с использованием полупроводниковых материалов. Они опубликовали результаты своих исследований в журнале Nature Electronics (DOI: 10.1038 / s41928-020-0412-1).

Сегодня повышение производительности микроэлектроники обычно достигается за счет уменьшения размера компонентов, особенно отдельных транзисторов на кремниевых компьютерных чипах. «Но это не может продолжаться бесконечно – нам нужны новые подходы» утверждает Лариса Барабан. Физик, который работает в HZDR с начала года, является одним из трех основных авторов международного исследования, в котором участвовало в общей сложности шесть институтов. Один подход основан на мозге, сочетающем обработку данных с хранением данных в искусственном нейроне.

«Наша группа имеет большой опыт работы с биологическими и химическими электронными датчиками», – продолжает Барабан. «Итак, мы смоделировали свойства нейронов, используя принципы биосенсоров, и модифицировали классический полевой транзистор для создания искусственного нейротранзистора». Преимущество такой архитектуры заключается в одновременном хранении и обработке информации в одном компоненте. В традиционной транзисторной технологии они разделены, что замедляет время обработки и, следовательно, в конечном итоге также ограничивает производительность.

Кремниевая пластина + полимер = чип, способный к обучению

Моделирование компьютеров на основе человеческого мозга – не новая идея. Ученые пытались подключить нервные клетки к электронике в чашках Петри десятилетия назад. «Но мокрый компьютерный чип, который нужно постоянно кормить, никому не нужен», – говорит Джанорелио Куниберти из TU Dresden. Профессор материаловедения и нанотехнологий – один из трех мозгов, стоящих за нейротранзистором, наряду с Рональдом Тецлаффом, профессором основ электротехники в Дрездене, и Леоном Чуа из Калифорнийского университета в Беркли, который уже постулировал подобные компоненты в начале 1970-х годов. .

Теперь Cuniberti, Baraban и их команда смогли реализовать его: «Мы применяем вязкое вещество – называемое solgel – к обычной кремниевой пластине с цепями. Этот полимер затвердевает и становится пористой керамикой» объясняет профессор материаловедения. «Ионы движутся между дырками. Они тяжелее электронов и медленнее возвращаются в свое положение после возбуждения. Именно эта задержка, называемая гистерезисом, и вызывает эффект накопления». Как объясняет Куниберти, это решающий фактор в функционирование транзистора. «Чем больше возбужден отдельный транзистор, тем раньше он откроется и пропустит ток. Это укрепляет связь. Система обучается».

Однако Куниберти и его команда не сосредоточены на традиционных вопросах. «Компьютеры на базе нашего чипа были бы менее точными и имели бы тенденцию оценивать математические вычисления, а не вычислять их до последнего десятичного знака» объясняет ученый. «Но они были бы более умными. Например, робот с такими процессорами научился бы ходить или хвататься; он обладал бы оптической системой и учился распознавать соединения. И все это без необходимости разработки какого-либо программного обеспечения». Но это не единственные преимущества нейроморфных компьютеров. Благодаря своей пластичности, сходной с пластичностью человеческого мозга, они могут адаптироваться к изменяющимся задачам во время работы и, таким образом, решать проблемы, для которых они изначально не были запрограммированы.

Публикация:

Е. Бэк, Н. Р. Дас, С. В. Канистрачи, Т. Рим, Г. С. Каньон Бермудес, К. Ныч, Х. Чо, К. Ким, С.-К. Бэк, Д. Макаров, Р. Тецлафф, Л. Чуа, Л. Барабан, Г. Куниберти: Внутренняя пластичность кремниевых нанотранзисторов для динамической памяти и функций обучения, в Nature Electronics 2020 (DOI: 10.1038 / s41928-020-0412-1)

Источник: https://www.hzdr.de/db/Cms?pNid=0