Nowe memrystory dla sieci neuromorficznych

fot. pixabay

Coraz bardziej powszechne stosowanie modeli opartych na sztucznej inteligencji stawia również coraz większe wymagania branży elektronicznej. Dzieje się tak, ponieważ wiele z tych modeli wymaga znacznej przestrzeni dyskowej i mocy obliczeniowej. Inżynierowie na całym świecie próbują zatem opracować neuromorficzne systemy komputerowe, które mogłyby pomóc sprostać tym wymaganiom, z których wiele opiera się na memrystorach.

Memrystory to elementy elektroniczne, które regulują przepływ prądu elektrycznego w obwodach, a jednocześnie zapamiętują ilość ładunku elektrycznego, który wcześniej przez nie przepłynął. Elementy te mogą odtwarzać funkcję synaps biologicznych w mózgu człowieka, zwiększając w ten sposób wydajność z jaką modele oparte na uczeniu maszynowym analizują dane i wykonują obliczenia.

Pomimo swojego potencjału, większość opracowanych do tej pory memrystorów wykazywała znaczące ograniczenia, w tym niskie możliwości w zakresie przełączania. Utrudnia to memrystorom określanie precyzyjnych wag, zwiększając w ten sposób szum i zmniejszając dokładność przewidywań wykorzystującego je algorytmu. Naukowcy z Uniwersytetu w Wuhan opracowali więc obiecujące memrystory wykorzystujące przełączanie analogowe. Przedstawione w artykule opublikowanym w Nature Electronics komponenty zostały wytworzone przy użyciu dwuwymiarowych materiałów metalicznych van der Waalsa występujących w roli katod.

- Analogowe memrystory z wieloma stanami przewodnictwa są szczególnie przydatne w wysokowydajnych obliczeniach neuromorficznych, ale ich możliwości mapowania wag są zazwyczaj ograniczone przez małe możliwości w zakresie przełączania - podkreślili Yesheng Li, Yao Xiaong i ich współpracownicy w swoim artykule - Pokazujemy, że memrystory z analogowym przełączaniem rezystancyjnym i dużymi stosunkami ilości włączania/wyłączania można tworzyć przy użyciu dwuwymiarowych materiałów metalicznych van der Waalsa (grafenu lub ditellurydu platyny). Wykorzystują one przy tym srebro jako górną anodę oraz siarczek indu i fosforu jako medium przełączające.

Unikalna konstrukcja memrystora zaproponowana przez Li, Xiaonga i ich współpracowników wprowadza wyjątkowo wysoką barierę dyfuzyjną, która ogranicza migrację jonów srebra. Ostatecznie umożliwia to przełączanie analogowe, a także osiąganie współczynników włączania/wyłączania porównywalnych z tymi występującymi w memrystorach cyfrowych.

Aby ocenić swoje memrystory, naukowcy przeprowadzili symulację na poziomie układu scalonego splecionej sieci neuronowej splotowej (CNN) wykorzystywanej do rozpoznawania obrazów. Ich odkrycia są bardzo obiecujące, ponieważ w jej ramach model działał niezwykle dobrze, osiągając wysoką dokładność rozpoznawania obrazów (do 91%).

W przyszłości nowo opracowany memrystor mógłby zostać udoskonalony i wykorzystany do uruchomienia innych zaawansowanych modeli obliczeniowych opartych na sztucznej inteligencji. Ponadto inni badacze mogliby rozpocząć opracowywanie podobnych memrystorów, wykorzystując alternatywne materiały jako medium przełączające i katody.

(rr)