Сделан важный шаг к созданию самообучающихся вычислительных систем

Нанокристаллы диоксида циркония

Wikimedia Commons

Ученые НИЦ «Курчатовский институт» продемонстрировали возможность обучения мемристивных наноструктур определенного типа по биоподобным правилам. Полученные результаты открывают возможности для создания автономных нейровычислительных систем с весьма низким потреблением энергии, в перспективе способных обучаться решению сложных когнитивных задач. Создание таких систем позволяет ответить на большие вызовы, сформулированные в Стратегии научно-технологического развития России, в частности в области перехода к передовым технологиям машинного обучения и искусственного интеллекта. Исследование опубликовано в журнале Microelectronic Engineering.

Мемристоры — это резисторы, умеющие запоминать значение электрического сопротивления под воздействием электрического поля или тока выше определенной пороговой величины. Их название происходит от английских слов memory и resistor — резистор с памятью. Мемристоры являются аналогами биологических синапсов, которые соединяют нейроны в живых нервных сетях и обладают похожей «пластичностью», то есть могут изменять свою пропускную способность для нервных импульсов.

Очень важно, что мемристоры с помощью нанотехнологий можно миниатюризировать до единиц нанометров. Кроме того, в отличие от электронных устройств мемристоры потребляют мало энергии, поскольку она не требуется им для поддержания текущего состояния, а необходима лишь для его изменения.

В НИЦ «Курчатовский институт» впервые изучили возможность обучения мемристивных наноструктур по биоподобным правилам, зависящим от времени прихода импульсов (Spike-Timing Dependent Plasticity – STDP).

В работе были использованы мемристивные наноструктуры на основе пленок стабилизированного иттрием диоксида циркония ZrO2(Y), разработанные в ННГУ им. Н.И. Лобачевского.

Специалисты Курчатовского института исследовали динамическую пластичность мемристоров. Оказалось, что форма изменения проводимости в зависимости от временной задержки между импульсами согласуется с правилами обучения типа мультипликативного STDP.

«Такого рода системы обладают экстремально малым энергопотреблением и могут существенно превосходить по скорости обработки информации современные вычислительные системы, базирующиеся на архитектуре фон Неймана при выполнении перечисленных когнитивных функций», — сообщил один из авторов исследования, директор-координатор по направлению Природоподобные технологии НИЦ «Курчатовский институт», и. о. начальника лаборатории технологий искусственного интеллекта Курчатовского комплекса НБИКС-природоподобных технологий Вячеслав Демин.

Понравился материал? Добавьте Indicator.Ru в «Мои источники» Яндекс.Новостей и читайте нас чаще.

Пресс-релизы о научных исследованиях, информацию о последних вышедших научных статьях и анонсы конференций, а также данные о выигранных грантах и премиях присылайте на адрес science@indicator.ru.