Искусственные нейронные сети (ИНС) демонстрируют способность к обучению и могут выполнять задачи, которые трудны для обычных вычислительных систем, такие как распознавание образов, онлайн-обучение и классификация. Практическая реализация ИНС в настоящее время затруднена из-за отсутствия эффективных аппаратных синапсов; ключевой компонент, который требуется каждой ИНС в большом количестве.
В исследовании, опубликованном в Nature Communications, группа исследователей из Саутгемптона экспериментально продемонстрировала ИНС, в которой использовались мемристорные синапсы, поддерживающие сложные правила обучения, чтобы осуществлять обратимое обучение зашумленных входных данных.Мемристоры — это электрические компоненты, которые ограничивают или регулируют поток электрического тока в цепи и могут запоминать количество заряда, которое проходило через него, и сохранять данные, даже когда питание отключено.Ведущий автор доктор Алекс Серб из электроники и компьютерных наук в Университете Саутгемптона сказал: «Если мы хотим создать искусственные системы, которые могут имитировать мозг по функциям и мощности, нам нужно использовать сотни миллиардов, возможно, даже триллионы искусственных синапсов. , многие из которых должны быть в состоянии реализовать правила обучения различной степени сложности.Хотя доступные в настоящее время электронные компоненты, безусловно, могут быть собраны вместе для создания таких синапсов, требуемые эталонные показатели мощности и эффективности площади будут чрезвычайно трудными, если это возможно даже при все — без разработки новых и нестандартных «компонентов синапсов».«Мемристоры предлагают возможный путь к достижению этой цели, поддерживая многие фундаментальные функции обучающих синапсов (хранение памяти, онлайн-обучение, вычислительно мощная реализация правил обучения, двухполюсная структура) в чрезвычайно компактных объемах и при исключительно низких затратах энергии.
Если искусственно мозг когда-нибудь станет реальностью, поэтому мемристивные синапсы должны быть успешными ».Действуя как синапсы в головном мозге, металлооксидный мемристорный массив был способен бесконтрольно обучаться и повторно изучать входные шаблоны в рамках вероятностной сети «победитель получает все» (WTA). Это чрезвычайно полезно для включения маломощных встроенных процессоров (необходимых для Интернета вещей), которые могут обрабатывать большие данные в реальном времени без какого-либо предварительного знания данных.Соавтор, доктор Темис Продромакис, читатель по наноэлектронике и научный сотрудник EPSRC в области электроники и информатики в Университете Саутгемптона, сказал: «Принятию любой новой технологии обычно препятствует отсутствие практических демонстраторов, демонстрирующих преимущества технологии в практических приложениях.
Наша работа устанавливает такой сдвиг технологической парадигмы, доказывая, что мемристоры в нанометровом масштабе действительно могут быть использованы для создания in-silico нейронных схем для обработки больших данных в реальном времени, что является ключевой задачей современного общества.«Мы показали, что такие аппаратные платформы могут независимо адаптироваться к окружающей среде без какого-либо вмешательства человека и очень устойчивы при надежной обработке даже зашумленных данных в реальном времени. Этот новый тип оборудования может найти широкий спектр приложений в широко распространенных технологиях зондирования. питают мониторинг в реальном времени в суровых или недоступных условиях; очень желательная возможность для обеспечения видения Интернета вещей ".Эта междисциплинарная работа была поддержана сетевым проектом CHIST-ERA и Исследовательским советом по инженерным и физическим наукам.
Он объединил инженеров из группы наноэлектроники и нанотехнологий Саутгемптонского университета с теоретиками-компьютерщиками из Технологического университета Граца, используя современное оборудование Саутгемптонского центра нанотехнологий.Группа Продромакиса в Университете Саутгемптона признана ведущей в мире в этой области, сотрудничая, в частности, с Леоном Чуа (приглашенный академик в Саутгемптонском университете в честь бриллиантового юбилея), который теоретически предсказал существование мемристоров в 1971 году.