Новые искусственные нейроны имитируют сложные способности мозга
Созданы 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 задачи. Научная статья с описанием работы вышла в Nature Nanotechnology.
На протяжении десятилетий ученые пытались воссоздать универсальные вычислительные возможности живых нейронов для разработки более быстрых и энергоэффективных систем ИИ. 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 биологических нейронов мозга с помощью мемристоров была сложность объединения в одной точки 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 большом шаге вперед: разработке искусственных нейронов, созданных путем наложения сверхтонких материалов.
Авторы 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.
Сверхтонкие 2D-материалы состоят всего из нескольких слоев атомов, и этот масштаб придает им экзотические свойства, которые можно точно настроить в зависимости от того, каким именно образом уложены слои. Ученые использовали набор из трех 2D-материалов — графена, дисульфида молибдена и дисульфида вольфрама — для создания устройства, которое меняет свою проводимость в зависимости от мощности и продолжительности света/электричества.
Эти устройства работают аналогично синапсам и нейронам в живом 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 тормозящих сигналов.
