В поисках решения международная группа учёных из Гонконгского университета науки и технологий, Швейцарской высшей технической школы Цюриха и Университета Бургундии предложила принципиально новый тип искусственного нейрона. Его работа, описанная в журнале Nature Electronics, основана на мемристорах — наноразмерных элементах, способных изменять своё сопротивление в зависимости от протекавшего через них тока, что делает их аналогами биологических синапсов. Это открывает путь к созданию трёхмерных нейросетей высокой плотности, более приспособленных для задач ИИ.
Конструкция нейрона представляет собой мемристор из слоёв серебра и изолирующего полимерного материала. Его ключевая особенность — способность генерировать оптический сигнал. Нейрон активируется и испускает короткий световой импульс в ответ на поступление определённого порогового числа электрических стимулов. Именно этот свет используется для беспроводной передачи данных между искусственными клетками.
Отказ от традиционной проводной связи устраняет необходимость в сложных схемах маршрутизации. Это позволяет создавать компактные трёхмерные структуры, где нейроны, расположенные плотным массивом, взаимодействуют друг с другом посредством света, не будучи соединены физическими проводниками.
«В основе нашего нейрона лежит мемристивная структура «серебро–полимер–серебро», — поясняют авторы разработки. — Резистивное переключение в нём обусловлено формированием и разрывом атомарных проводящих нитей. Устройство излучает фотонный импульс при накоплении критического заряда от входящих электрических сигналов, что избавляет от громоздких периферийных схем считывания и электропроводки».
Для демонстрации практической ценности технологии исследователи собрали из новых нейронов две экспериментальные трёхмерные сети. Их эффективность была проверена на классических для машинного обучения задачах: распознавании речи и классификации рукописных цифр.
«Мы использовали нанометровый мемристорный нейрон для построения трёхмерной сети со световой связью, — отмечается в статье. — Сеть показала точность 91,51% при классификации аудиозаписей из набора данных Google Speech Command. Кроме того, мы создали высокоплотный массив нейронов, который достиг точности 92,27% в тесте на распознавание рукописных цифр MNIST».
По материалам https://russianelectronics.ru