Исследователи создали атомарно тонкие искусственные нейроны, способные обрабатывать как световые, так и электрические сигналы для вычислений. Материал позволяет одновременное существование отдельных путей прямой и обратной связи в нейронной сети, повышая способность решать сложные проблемы.
На протяжении десятилетий ученые изучают, как воссоздать универсальные вычислительные возможности биологических нейронов для разработки более быстрых и энергоэффективных систем машинного обучения. Один из многообещающих подходов включает использование мемристоров: электронных компонентов, способных сохранять значение путем изменения своей проводимости, а затем использовать это значение для обработки в памяти.
Однако ключевой проблемой при воспроизведении сложных процессов биологических нейронов и мозга с использованием мемристоров была сложность интеграции нейронных сигналов как прямой, так и обратной связи. Эти механизмы лежат в основе нашей когнитивной способности обучаться сложным задачам, используя поощрения и ошибки.
Группа исследователей из Оксфордского университета, IBM Research Europe и Техасского университета объявила о важном подвиге: разработке атомарно тонких искусственных нейронов, созданных путем наложения двумерных (2D) материалов. Результаты опубликованы в журнале Nature Nanotechnology.
В ходе исследования ученые расширили функциональность электронных мемристоров, сделав их чувствительными как к оптическим, так и к электрическим сигналам. Это позволило одновременное существование отдельных путей прямой и обратной связи в сети. Это продвижение позволило команде создать нейронные сети по принципу «победитель получает все»: программы вычислительного обучения с потенциалом для решения сложных задач машинного обучения, таких как неконтролируемое обучение в задачах кластеризации и комбинаторной оптимизации.
2D-материалы состоят всего из нескольких слоев атомов, и этот тонкий масштаб придает им различные экзотические свойства, которые можно точно настроить в зависимости от того, как материалы уложены слоями. В этом исследовании они использовали набор из трех 2D-материалов — графена, дисульфида молибдена и дисульфида вольфрама — для создания устройства, которое показывает изменение своей проводимости в зависимости от мощности и продолжительности света/электричества, которое на него светит.
В отличие от цифровых запоминающих устройств, эти устройства являются аналоговыми и работают аналогично синапсам и нейронам в нашем биологическом мозге. Аналоговая функция позволяет проводить вычисления, когда последовательность электрических или оптических сигналов, посылаемых на устройство, приводит к постепенным изменениям количества сохраненного электронного заряда. Этот процесс формирует основу для пороговых режимов нейронных вычислений, аналогично тому, как наш мозг обрабатывает комбинацию возбуждающих и тормозных сигналов.
Ведущий автор доктор Гази Сарват Сайед, научный сотрудник IBM Research Europe Switzerland, сказал: «Это очень захватывающая разработка. В нашем исследовании представлена новая концепция, которая превосходит фиксированную операцию прямой связи, обычно используемую в современных искусственных нейронных сетях. потенциальные приложения в аппаратном обеспечении ИИ, эти текущие результаты проверки принципа демонстрируют важный научный прогресс в более широких областях нейроморфной инженерии и алгоритмов, позволяя нам лучше эмулировать и понимать мозг».
Д-р Сайед и д-р Инцю Чжоу (коллеги по лаборатории в Оксфорде) проводили экспериментальную работу. По словам доктора Чжоу, в настоящее время занимающего постдокторскую степень в Датском техническом университете, их реализация захватывает основные компоненты биологического нейрона с помощью оптоэлектронной физики низкоразмерных систем.
Они отмечают, что создали атомарно резкие полупроводниковые переходы благодаря конструкции стека гетероструктур. Стек специально обеспечивает гетеропереход, который действует как мембрана нейрона, в то время как графеновые электроды, которые контактируют с гетеропереходом, служат нейрональной сомой. Таким образом, состояние нейронов представлено в соме, но модифицировано изменениями в мембране, как и в настоящих нейронах.
Поскольку развитие приложений искусственного интеллекта растет в геометрической прогрессии, требуемая вычислительная мощность опережает разработку нового оборудования на основе традиционных процессоров. Существует острая необходимость в исследовании новых методов, включая работу соведущего автора профессора Хариша Бхаскарана в Лаборатории перспективных наномасштабных разработок Оксфордского университета и в лаборатории IBM Research в Цюрихе.
Профессор Бхскаран сказал: «Вся эта область очень интересна, поскольку инновации в области материалов, инновации в устройствах и новое понимание того, как их можно творчески применять, должны собраться воедино. Эта работа представляет собой новый набор инструментов, исследующий возможности 2D-материалов, не в транзисторах, а в новых вычислительных парадигмах».
Соавтор, профессор Джейми Уорнер из Техасского университета в Остине, сказал: «Об использовании таких 2D-структур в вычислениях говорят уже много лет, но только сейчас мы, наконец, видим отдачу после более чем семи лет разработки. 2D-монослои в масштабе пластины в сложные ультратонкие оптоэлектронные устройства, это позволит начать новые подходы к обработке информации с использованием 2D-материалов, основанных на промышленно масштабируемых методах изготовления».
«Наши результаты носят скорее исследовательский характер, чем фактические демонстрации на системном уровне», — говорит доктор Сайед. «Хотя мы стремимся расширить эту концепцию в будущем, мы убеждены, что наши текущие результаты проверки принципа демонстрируют важный научный интерес в более широких областях нейроморфной инженерии, что позволяет нам лучше эмулировать и понимать мозг».
Профессор Бхаскаран отмечает, что захватывающие исследовательские разработки важны для будущих инноваций, но это не та технология, которую следует ожидать в своих мобильных телефонах в ближайшие два года.