До сих пор прогресс в ИИ в основном достигался за счет классических цифровых вычислительных машин. Однако становится очевидно, что кремниевые устройства не в полной мере подходят для имитации нейронов головного мозга. Исследователи пытаются создать нейроморфную архитектуру, которая повторяла бы структуру и функции мозга человека. Такие системы совершили бы прорыв в скорости вычислений и эффективности ИИ, пишет Physics World.

Архитектура некоторых нейроморфных вычислительных систем включает запоминающие устройства, которые выступают в роли нейронов мозга. Они связаны с помощью мемристоров, которые меняют сопротивление в ответ на протекающий сквозь них электрический ток. Таким образом, они имитируют работу синапсов, отвечающих за передачу электрических сигналов между нейронами. Эти сигналы меняют силу по мере того, как информация запоминается и теряется.

Одна из трудностей создания нейроморфной системы состоит в том, чтобы добиться однородности вычислительных устройств. Обычно их производительность сильно варьируется. Если отклонения слишком велики, точность работы всей системы снижается.

Однако команда ученых из Пекинского педагогического университета пришла к выводу, что эта неоднородность, на самом деле, не проблема, если применить правильный подход.

Авторы исследования разработали многообещающую стратегию воспроизводства этой биологической вариативности. Метод «популяционного кодирования» представляет информацию в виде коллективной активности популяции нейронов, а не в виде отдельных клеток. Этот сценарий больше похож на функции мозга, чем системы из одинаковых нейронов.

Применив этот метод, ученые рассчитали, как можно задействовать мемристоры, связывающие искусственные нейроны, при помощи доменных стенок. Эти структуры имеются в ферромагнитных материалах и разграничивают регионы с разным направлением намагниченности. Расположение доменной стенки может меняться под действием электрического тока. Так они сформировали основу для синаптического мемристора.

Ученые подсчитали, что при использовании таких мемристоров неоднородность составных элементов станет преимуществом. «Мы продемонстрировали, что даже в случае применения в высшей степени неоднородных устройств стратегия популяционного кода сможет значимо повысить производительность нейронной сети», — сказал Чжэ Юань, один из исследователей.

Авторы рассчитывают, что их открытие приведет к созданию более производительных нейроморфных вычислительных систем, возможности которых сравнимы с классическими цифровыми компьютерами.

Прорывное исследование международной команды ученых привело к созданию нового типа органического материала, который учится на своем прошлом. Открытие «динамического молекулярного переключателя», имитирующего синаптическое поведение, указывает на возможность появления нестандартной вычислительной машины, состоящей из атомов и молекул.