Нейроморфные вычисления — это вычислительная парадигма, которая имитирует работу мозга как с точки зрения архитектуры, так и с точки зрения динамики. Она позволяет создавать электронные схемы, которые хранят и обрабатывают информацию интегрированным образом, подобно сетям нейронов и синапсов.
Международная группа исследователей разработала электронное устройство. Результат, опубликованный в Nature Communications, является важным вкладом в развитие нейроморфных вычислений.
В отличие от обычных компьютеров, в которых обработка данных и память разделены, нейроморфные вычисления направлены на интеграцию этих функций в единую физическую основу, подобно биологическим синапсам.
«Устройство основано на взаимодействии двух оксидов: LaAlO₃ [оксида алюминия лантана] и SrTiO₃ [титаната стронция]. На этом интерфейсе образуется квазидвумерный электронный газ, который действует как проводящий канал, поддающийся электрической модуляции. По сути, это транзистор, который также может функционировать как мемристор и мемконденсатор», — объясняют исследователи.
Транзистор управляет потоком электрического тока в цепи, функционируя как переключатель или усилитель. Резистор препятствует прохождению тока, а конденсатор накапливает электрический заряд и высвобождает его позже. В разработанном устройстве эти функции объединены с дополнительным элементом — памятью. Таким образом, устройство может работать не только как транзистор, но и как мемристор — резистор, сопротивление которого зависит от истории подаваемых сигналов, и мемконденсатор — конденсатор, емкость которого также зависит от истории системы.
Эта зависимость от прошлого делает эти компоненты более похожими на синапсы. Кроме того, устройство имеет необычную архитектуру и режим работы. «Уникальная особенность его архитектуры заключается в том, что управляющие затворы расположены по бокам, а не над каналом, как в обычных полевых МОП-транзисторах», — говорит Лопес-Ричард.
Полевой МОП-транзистор (металл-оксид-полупроводник) — это тип транзистора, который управляет, усиливает или переключает электрические сигналы. Транзистор имеет три основных вывода: затвор, который управляет устройством, исток, через который электроны входят в устройство, и сток, через который электроны выходят из устройства. Напряжение, подаваемое на затвор, определяет, будет ли ток проходить между истоком и стоком.
Рассматриваемое устройство имеет другую конфигурацию.
С точки зрения функционирования, это аналоговый компонент в мире, где доминируют цифровые технологии. «Аналоговое функционирование позволяет ему находиться в нескольких промежуточных состояниях, а не только в двух — включенном и выключенном, — как в обычных цифровых транзисторах», — объясняют ученые.
Основная цель работы — выявить физический механизм, отвечающий за память. Хотя двумерный электронный газ играет ключевую роль в проводимости, он не является основным носителем памяти. «Этот газ влияет на память, но переменная состояния, определяющая эффект памяти, — это заряды, накопленные в боковых затворах. Они управляют проводящим каналом», — говорит Лопес-Ричард, профессор Центра точных наук и технологий Федерального университета Сан-Карлуса (CCET-UFSCar) в Бразили
Накопление зарядов в боковых затворах происходит постепенно и контролируемо, модулируя проводящий канал за счет электростатических эффектов. Этот механизм отличается от того, который часто приписывают устройствам памяти и который основан на миграции кислородных вакансий.
Главное новшество этой работы — электронный полиморфизм, то есть способность одного устройства выполнять несколько функций. Функция меняется исключительно в зависимости от конфигурации электрического соединения. «Достаточно просто подключить или отключить порт, чтобы изменить функцию», — резюмирует исследователь.
По мнению авторов, интегрирующие функции могут значительно сократить количество взаимосвязей и энергопотребление, которые являются основными узкими местами современных вычислительных систем.
Исследование продемонстрировало эффективность устройства в различных функциях, имитирующих работу мозга, таких как резервуарные вычисления и способность распознавать простые паттерны, например цифры от 0 до 9, на изображениях с низким разрешением, за счет использования нелинейности и кратковременной памяти. Устройство также демонстрирует синаптическую пластичность — способность временно или постоянно усиливать реакцию на повторяющиеся стимулы, как это происходит в процессе обучения.
Кроме того, устройство обладает реконфигурируемой логикой, которая позволяет выполнять и сохранять логические операции, такие как «и», «или» и «не», непосредственно в самом устройстве без использования внешней памяти. Кроме того, анализ показывает, что энергопотребление на одну операцию составляет несколько наноджоулей, что ниже, чем у аналогичных традиционных архитектур.