С их помощью в дальнейшем можно будет создавать компьютеры, работающие на принципах биологических нейронных сетей.
Исследователи изготовили мемристоры — устройства, которые способны менять свое состояние (проводимость) в зависимости от протекшего через них заряда, и, таким образом, имеющие память о своей «предыстории», сообщается на сайте института.
Ученые используют мемристоры для имитации работы биологических синапсов. В будущем это может помочь сделать компьютеры более продуктивными и наладить механизмы самообучения искусственных систем.
Каждый нейрон может иметь тысячи синапсов, то есть связываться с огромным числом других нейронов. Это позволяет обрабатывать информацию не в последовательном, как делают современные компьютеры, а в параллельном режиме.
Именно в этом, по мнению специалистов, кроется причина фантастической эффективности «живых» нейронных сетей. К тому же, синапсы могут со временем изменять свой «вес», то есть способность передавать сигнал. Это свойство является ключом к пониманию функции памяти и обучаемости мозга.
«В более простом варианте мемристоры являются многообещающими элементами для бинарной энергонезависимой памяти, в которых информация записывается переключением электрического сопротивления — из большого в малое и обратно. Мы же пытаемся продемонстрировать более сложный функционал мемристоров — у нас они могут имитировать работу биологических синапсов», — комментирует исследование ведущий автор статьи, старший научный сотрудник Лаборатории функциональных материалов и устройств для наноэлектроники МФТИ Юрий Матвеев.
Мемристоры российских физиков созданы на основе пленок оксида гафния, который используется в производстве современных процессоров.
На сегодняшний день на созданных «аналоговых» мемристорах авторы смоделировали несколько механизмов обучения биологических синапсов, например, долговременное усиление или ослабление связи между двумя нейронами. Считается, что именно эти явления лежат в основе механизмов памяти. Также ученым удалось продемонстрировать зависимость величины связи между нейронами от относительного времени их «срабатывания», что лежит в основе ассоциативного обучения.
Процессоры от IBM могут ускорить работу нейросетей в 30 тысяч раз
Идеи
Но, по словам соавтора статьи Серея Захарченкова, научного сотрудника Лаборатории функциональных материалов и устройств для наноэлектроники МФТИ, окончательного понимания физических принципов работы таких мемристоров пока еще нет. Однако, на основе проведенной работы ученые сделали вывод, что созданные ими элементы можно рассматривать как прототип «электронного синапса», на основе которого можно создавать искусственные нейронные сети «в железе».
«Благодаря полученным результатам, мы стали еще на шаг ближе к тому, чтобы построить искусственную нейронную сеть. Пусть пока что простейшую, но «в железе» — уверен заведующий Лаборатории функциональных материалов и устройств для наноэлектроники МФТИ Андрей Владимирович Зенкевич.