Радиоэлектроника и новые технологии
- по вопросам размещения рекламы -

Разработан нейристор с «переключением частоты»

0 2

Исследовательская группа KAIST разработала нейристор с «переключением частоты», который имитирует «внутреннюю пластичность» — свойство, позволяющее нейронам запоминать прошлую активность.

«Внутренняя пластичность» — это способность мозга адаптироваться, например, становиться менее восприимчивым к повторяющимся звукам или быстрее реагировать на определённый стимул после многократного обучения. «Нейристор с переключением частоты» — это искусственное нейронное устройство, которое автономно регулирует частоту своих сигналов, подобно тому, как мозг становится менее восприимчивым к повторяющимся стимулам или, наоборот, более чувствительным в процессе обучения.

Исследовательская группа объединила «энергозависимый мемристор Мотта», который реагирует мгновенно, а затем возвращается в исходное состояние, с «энергонезависимым мемристором», который запоминает входные сигналы на длительное время. Это позволило создать устройство, которое может свободно контролировать частоту возбуждения нейрона (частоту его импульсов).

В этом устройстве импульсные сигналы нейронов и изменения сопротивления мемристора влияют друг на друга, автоматически корректируя реакции. Проще говоря, в рамках одного полупроводникового устройства воспроизводится процесс, при котором мозг становится менее восприимчивым к повторяющимся звукам или более чувствительным к повторяющимся раздражителям.

 

Изображение: Концептуальное сравнение нейрона и нейристора с перестраиваемой частотой. Внутренняя пластичность нейронов мозга регулирует возбудимость через ионные каналы. Аналогичным образом, частотно-перестраиваемый нейристор использует энергозависимое устройство Мотта для генерации скачков тока, в то время как энергонезависимое устройство VCM регулирует состояния сопротивления для реализации сопоставимых характеристик частотной модуляции. Источник: KAIST, DOI: 10.1002/adma.202502255

Чтобы проверить эффективность этой технологии, исследователи провели моделирование с использованием «разреженной нейронной сети» и обнаружили, что благодаря встроенной функции памяти нейронов система достигла той же производительности при потреблении на 27,7 % меньше энергии по сравнению с обычными нейронными сетями.

Они также продемонстрировали отличную устойчивость: даже если некоторые нейроны были повреждены, внутренняя пластичность позволила сети перестроиться и восстановить производительность. Другими словами, искусственный интеллект, использующий эту технологию, потребляет меньше электроэнергии, сохраняя при этом производительность, и может компенсировать частичные сбои в работе, чтобы вернуться к нормальному режиму.

Профессор Кён Мин Ким, руководивший исследованием, заявил: «В этом исследовании мы реализовали внутреннюю пластичность — ключевую функцию мозга — в одном полупроводниковом устройстве, тем самым выведя энергоэффективность и стабильность аппаратного обеспечения ИИ на новый уровень. Эта технология, которая позволяет устройствам запоминать своё состояние и адаптироваться или восстанавливаться даже после повреждений, может стать ключевым компонентом в системах, требующих долгосрочной стабильности, таких как периферийные вычисления и автономное вождение».

Оставить комментарий