Стремительное развитие систем искусственного интеллекта (ИИ) и машинного обучения увеличило спрос на новые аппаратные компоненты, способные ускорить анализ данных при меньшем энергопотреблении. Поскольку алгоритмы машинного обучения черпают вдохновение из биологических нейронных сетей, некоторые инженеры работают над оборудованием, имитирующим архитектуру и функционирование человеческого мозга.

Аппаратное обеспечение, вдохновлённое мозгом (нейроморфное), обычно включает в себя компоненты, имитирующие работу клеток мозга, поэтому их называют искусственными нейронами . Искусственные нейроны соединены друг с другом, и их связи со временем ослабевают или усиливаются.

Этот процесс напоминает синаптическую пластичность — способность мозга адаптироваться с течением времени в ответ на полученный опыт и обучение. Эмулируя синаптическую пластичность, нейроморфные вычислительные системы могут эффективнее выполнять алгоритмы машинного обучения, потребляя меньше энергии при анализе больших объёмов данных и построении прогнозов.

Исследователи из Университета Фудань недавно разработали устройство на основе сверхтонкого полупроводникового монослоя дисульфида молибдена (MoS₂), которое может имитировать адаптивность биологических нейронов лучше, чем другие искусственные нейроны, созданные ранее. Новая система, представленная в статье, опубликованной в журнале Nature Electronics , сочетает в себе тип компьютерной памяти, известный как динамическая память с произвольным доступом (DRAM), и схемы на основе MoS₂.

«Нейроморфное оборудование, точно имитирующее разнообразное поведение нейронов, может быть полезно для развития передового интеллекта», — пишут в своей статье Инь Ван, Сайфэй Гоу и их коллеги.

«Аппаратное обеспечение, включающее синаптическую пластичность — адаптивные изменения, усиливающие или ослабляющие синаптические связи, — уже исследовалось, но имитация всего спектра процессов обучения и памяти требует взаимодействия множества механизмов пластичности, включая внутреннюю пластичность. Мы показываем, что нейрон, работающий по принципу интеграции и активации, может быть создан путём объединения динамической памяти с произвольным доступом и инвертора на основе монослоя дисульфидных плёнок в масштабе пластины».

Разработанный исследователями искусственный нейрон состоит из двух ключевых компонентов: системы динамической оперативной памяти (DRAM) и инверторной схемы. DRAM — это системы памяти, способные хранить электрические заряды в структурах, известных как конденсаторы. Величина электрического заряда в конденсаторах может модулироваться, имитируя изменения электрического заряда на мембране биологических нейронов, что в конечном итоге определяет их активацию.

Инвертор, с другой стороны, представляет собой электронную схему , которая может преобразовывать входной сигнал с высокого напряжения в низкое и наоборот. В искусственном нейроне, созданном учёными, эта схема позволяет генерировать импульсы электричества, напоминающие те, что наблюдаются в биологических нейронах при их активации.

«В этой системе напряжение в конденсаторе динамической памяти с произвольным доступом, то есть потенциал мембраны нейрона, можно модулировать, имитируя внутреннюю пластичность», — пишут авторы. «Модуль также может имитировать фотопическую и скотопическую адаптацию зрительной системы человека, динамически регулируя её световую чувствительность».

Чтобы оценить потенциал созданного ими искусственного нейрона, исследователи изготовили несколько экземпляров и собрали их в сетку 3 × 3. Затем они протестировали способность этой нейронной сети 3 × 3 адаптировать свои реакции к входным сигналам в зависимости от изменений освещенности, имитируя адаптацию зрительной системы человека к различным условиям освещенности. Наконец, они использовали свою систему для запуска модели распознавания изображений и оценили ее эффективность.

«Мы создали массив фоторецепторных нейронов 3×3 и продемонстрировали световое кодирование и зрительную адаптацию», — пишут авторы. «Мы также используем нейронный модуль для моделирования биоинспирированной модели нейронной сети для распознавания изображений».

Искусственный нейрон, разработанный Ваном, Гоу и их коллегами, уже показал себя весьма перспективным, особенно для энергоэффективной реализации моделей компьютерного зрения и распознавания изображений. В будущем исследователи смогут создать другие вычислительные системы, вдохновлённые биотехнологиями, на основе нового устройства и протестировать их производительность на других вычислительных задачах.