Они создают транзистор, который «думает» как человеческий мозг

Новое устройство, по сути, обрабатывает и хранит информацию одновременно, так же, как это делает человеческий мозг. В своих экспериментах, опубликованных на этой неделе в 'Природа', Исследователи показали, что транзистор выходит за рамки простых задач машинного обучения, может классифицировать данные и способен к ассоциативному обучению.

Хотя в предыдущей работе использовались аналогичные стратегии по разработке вычислительных устройств, способных имитировать функционирование мозга, такие устройства могли работать только при криогенных температурах. С другой стороны, новый транзистор остается стабильным даже при комнатной температуре. Кроме того, он работает на высоких скоростях, потребляет очень мало энергии и сохраняет сохраненную информацию даже при отключении питания, что делает его идеальным для реальных приложений.

«Мозг имеет принципиально иную архитектуру, чем цифровой компьютер», — объясняет Марк К. Херсам, соруководитель исследования. В цифровом компьютере данные передаются между микропроцессором и памятью туда и обратно, что потребляет много энергии и создает узкие места при попытке одновременного выполнения нескольких задач. Однако в мозге память и обработка информации расположены рядом и полностью интегрированы, что приводит к гораздо большей эффективности использования энергии. Подобным же образом наш синаптический транзистор обеспечивает функциональность одновременной памяти и обработки информации. более точно имитирует мозг«.

Подражайте мозгу

Быстрое развитие искусственного интеллекта подтолкнуло ученых к разработке компьютеров, которые все больше похожи на наш мозг. Обычные цифровые вычислительные системы имеют отдельные блоки обработки и хранения, поэтому задачи с интенсивным использованием данных потребляют большое количество энергии. Поскольку интеллектуальные устройства постоянно собирают большие объемы данных, исследователи стремятся найти новые способы их обработки с гораздо меньшими затратами энергии. В настоящее время резистор памяти, или «мемристор», является наиболее развитой технологией, способной выполнять совмещенные функции обработки и памяти. Хотя мемристоры все еще не идеальны.

«В течение нескольких десятилетий, — продолжает Херсам, — парадигма в электронике заключалась в том, чтобы строить все на транзисторах и использовать одну и ту же кремниевую архитектуру. Значительные успехи были достигнуты просто за счет упаковки все большего и большего количества транзисторов в интегральные схемы. Успех этой стратегии нельзя отрицать, но за это приходится платить высоким энергопотреблением, особенно в нынешнюю эпоху больших данных, когда цифровые вычисления готовы сокрушить энергосистему. «Нам необходимо переосмыслить вычислительное оборудование, особенно для задач искусственного интеллекта и машинного обучения».

Помня об этой цели, Херсам и его команда исследовали новые достижения в физике так называемых «муаровых узоров» — типа геометрического рисунка, который возникает, когда два узора перекрываются. Когда двумерные материалы складываются друг в друга, появляются новые свойства, которых не было в одном слое. А когда эти слои еще больше скручиваются, образуя муаровый узор, становится возможной беспрецедентная настройка электронных свойств.

Для нового устройства исследователи объединили два разных типа атомно тонких материалов: двухслойный графен и гексагональный нитрид бора. Затем, намеренно сложив и скрутив их, материалы образовали муаровый узор. Вращая один слой относительно другого, исследователи смогли добиться разных электронных свойств в каждом слое графена, даже несмотря на то, что они были разделены лишь расстояниями атомного масштаба. При правильном выборе вращения исследователи воспользовались преимуществами физики муара для достижения нейроморфной функциональности при комнатной температуре.

«Благодаря кручению как новому параметру конструкции, — говорит Херсам, — количество возможных перестановок огромно. «Графен и гексагональный нитрид бора очень похожи по структуре, но достаточно различны, чтобы получить исключительно сильный муаровый эффект».

Признайте сходство

Чтобы протестировать новый транзистор, Херсам и его команда научили его распознавать схожие, но не идентичные закономерности. Ранее в этом месяце Hersam уже представила новое наноэлектронное устройство, способное анализировать и классифицировать данные энергоэффективным способом, но ее новый синаптический транзистор продвигает машинное обучение и искусственный интеллект на шаг вперед.

«Если цель ИИ – подражать человеческому образу мышления, – продолжает исследователь, – одной из задач самого низкого уровня будет классификация данных, то есть их простое размещение в контейнерах. Наша цель — продвигать технологии искусственного интеллекта в направлении мышления более высокого уровня. «Реальные условия часто более сложны, чем могут справиться современные алгоритмы искусственного интеллекта, поэтому мы тестируем наши новые устройства в более сложных условиях, чтобы проверить их расширенные возможности».

Таким образом, первое, что сделали исследователи, — показали устройству шаблон: 000 (три нуля подряд). Затем они попросили ИИ идентифицировать похожие шаблоны, например 111 или 101. «Если мы научим его обнаруживать 000, а затем дадим ему 111 и 101, он будет знать, что 111 больше похож на 000, чем на 101», — сказал Херсам. объясняет. 000 и 111 не совсем одинаковы, но оба состоят из трех цифр подряд. Признание того, что сходство — это форма познания более высокого уровня, известная как ассоциативное обучение».

В экспериментах новый синаптический транзистор успешно распознавал не идентичные, а схожие паттерны, проявляя тем самым свою ассоциативную способность. Даже когда исследователи попытались обмануть его, предоставив неполные шаблоны, устройству удалось их распознать.

«Современный ИИ легко сбить с толку, — заключает Херсам, — что может вызвать серьезные проблемы в определенных контекстах. Представьте, что вы используете беспилотный автомобиль, а погодные условия ухудшаются. Транспортное средство может быть не в состоянии интерпретировать более сложные данные датчиков так, как это может сделать водитель-человек. «Но даже когда мы дали нашему транзистору несовершенный входной сигнал, он смог определить правильный ответ».

Таким образом, это большой шаг вперед, который открывает двери новому поколению интеллектуальных устройств. все больше и больше похожи на нас.