Memristorid teevad neuromorfse andmetöötluse jaoks mitmekülgseid tehislikke sünapse – Physics World

Enamik kaasaegseid arvuteid – alates primitiivsetest ruumi täitvatest suurkujudest nagu ENIAC kuni taskus oleva nutitelefonini – on ehitatud matemaatik John von Neumanni 1945. aastal välja töötatud põhimõtete järgi. See von Neumanni arhitektuur, nagu teada, sisaldab palju tuttavaid elemente, sealhulgas keskseade, mälu andmete ja juhiste salvestamiseks ning sisend- ja väljundseadmed. Vaatamata üldlevinud levikusele pole von Neumanni mudel siiski ainus viis arvuti ehitamiseks ja mõne rakenduse jaoks pole see ka kõige soovitavam.

Üks esilekerkiv alternatiiv on tuntud kui neuromorfne andmetöötlus. Nagu nimigi viitab, on neuromorfsed arvutid inspireeritud inimaju arhitektuurist ning kasutavad aju struktuuri ja funktsioonide simuleerimiseks tihedalt ühendatud tehisneuroneid ja kunstlikke sünapse. Teadlastele nagu Hiina Le Zhao Qilu Tehnikaülikool, pakub see neuromorfne mudel fantastilist võimalust töötada välja uus andmetöötluse paradigma – seni, kuni suudame välja töötada tehisneuroneid ja sünapsid, millel on õiged omadused.

Hiljutises artiklis, mis avaldati aastal Materjalid Futuurid, Zhao ja tema kolleegid kirjeldavad, kuidas kasutada memristorit – sisuliselt lülitit, mis „mäletab”, mis elektrilises olekus see oli, isegi pärast toite väljalülitamist – ajus sünapsi funktsiooni jäljendamiseks. Siin selgitab ta meeskonna eesmärke ja plaane.

Mis oli teie uurimistöö ajend?

Püüame välja töötada neuromorfseid süsteeme, mis suudavad energiatarbimise vähendamise ja intelligentsuse suurendamise poolest ületada praegust von Neumanni arvutusarhitektuuri. Paljud neist süsteemidest nõuavad soovitud funktsioonide saavutamiseks mitme dünaamikaga elektroonilisi seadmeid. Neid erinevaid nõudeid, nagu lenduva ja mittelenduva lülitusdünaamika kooseksisteerimine, on üksikute mäluseadmete puhul vaevalt võimalik saavutada.

Sel põhjusel tugineb sihtrakenduste realiseerimine tavaliselt kohandatud närviahela kujundustele, mis koosnevad mitmesuguste dünaamiliste omadustega memristoritest. Probleem on selles, et see tuginemine mitmele kohandatud disainile piirab kompaktsete ja väikese võimsusega neuromorfsete süsteemide väljatöötamist. Seetõttu on väga oluline integreerida mitu loomupärast dünaamikat üksikusse seadmesse ja töötada välja multifunktsionaalsed neuromorfsed seadmed, näiteks mitmekülgne sünaptiline emulaator, mis suudab täielikult simuleerida bioloogiliste sünapside funktsioone ainult ühe seadme abil.

Selle eelised seisnevad selles, et seadme universaalsus võib suurendada süsteemi arvutuslikku keerukust ilma materjali- ja alaeelarvet suurendamata. Nii saame saavutada bioloogilistes närvisüsteemides ülitõhusa andmetöötluse. Keerulisemate dünaamiliste omadustega seadmete väljatöötamine on seega otsustava tähtsusega lähenemine ajulaadse andmetöötlussüsteemi realiseerimisele.

Mida sa lehes tegid?

Oleme edukalt välja töötanud kunstliku sünapsi, millel on mitu sünaptilist funktsiooni ja väga adaptiivsed omadused, mis põhinevad lihtsal SrTiO₃/Nb: SrTiO₃ heteroristmik. See kunstlik sünaps toetab paljusid sünaptilise õppimise funktsioone, sealhulgas lühiajaline/pikaajaline plastilisus (STP/LTP), üleminek STP-lt LTP-le, õppimine-unustamine-uuestiõppimine, assotsiatiivne õppimine ja dünaamiline filtreerimine. Rakendasime kõik need funktsioonid biorealistlikul viisil ühes seadmes.

Kvantmemristor sillutab teed neuromorfsele kvantarvutile

Meie multifunktsionaalsel sünaptilisel emulaatoril on täiustatud arvutusvõime, kuigi see põhineb lihtsal heterostruktuuril. Seetõttu usume, et see näitab suurt potentsiaali rakenduste jaoks kompaktsetes väikese võimsusega neuromorfsetes andmetöötlussüsteemides. Meie tulemused näitavad, et meie kunstlikud sünapsid, mis ühendavad erinevaid sünaptilisi funktsioone lihtsa struktuuriga, on potentsiaalsed kandidaadid mitmekülgsete neuromorfsete arvutusseadmete jaoks.

Mida kavatsete edasi teha?

Tegeleme mitmekülgsemate tehislike sünapsiseadmete väljatöötamisega. Näiteks töötame välja multimodaalseid sünaptilisi seadmeid, mis suudavad simuleerida inimaju õppimis- ja mäluprotsessi, sünergiseerides erinevaid tajusid, nagu nägemine, lõhn ja kuulmine.

• SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
• PlatoData.Network Vertikaalne generatiivne Ai. Jõustage ennast. Juurdepääs siia.
• PlatoAiStream. Web3 luure. Täiustatud teadmised. Juurdepääs siia.
• PlatoESG. Autod/elektrisõidukid, Süsinik, CleanTech, Energia, Keskkond päikeseenergia, Jäätmekäitluse. Juurdepääs siia.
• PlatoTervis. Biotehnoloogia ja kliiniliste uuringute luureandmed. Juurdepääs siia.
• ChartPrime. Tõsta oma kauplemismängu ChartPrime'iga kõrgemale. Juurdepääs siia.
• BlockOffsets. Keskkonnakompensatsiooni omandi ajakohastamine. Juurdepääs siia.
• Allikas: https://physicsworld.com/a/memristors-make-versatile-artificial-synapses-for-neuromorphic-computing/