Современные нейронные сети, лежащие в основе технологий искусственного интеллекта, демонстрируют поразительные способности в обработке данных, но их работа требует колоссальных энергетических затрат. Ключевой элемент таких систем — искусственный нейрон, элементарная вычислительная ячейка, имитирующая работу живой нервной клетки. Один из наиболее перспективных способов снижения энергопотребления таких нейроморфных систем — переход на сверхпроводниковую электронику. Устройства на ее основе способны работать на сверхвысоких частотах и потребляют в тысячи раз меньше энергии по сравнению с полупроводниковыми аналогами.
Внимание российских ученых привлек гаусс-нейрон — сверхпроводниковый прибор, состоящий из двух петель с джозефсоновскими контактами, которые являются сверхпроводниковыми аналогами транзисторов. В идеальном, симметричном случае такой нейрон преобразует входной сигнал в выходной, имеющий форму идеально симметричного купола, математически описываемого функцией Гаусса. Однако при реальном производстве наноразмерных устройств достичь идеальной симметрии практически невозможно. Критические токи джозефсоновских контактов могут немного отличаться, индуктивности плеч интерферометра могут быть неидентичными, а входной управляющий сигнал может подаваться на них с небольшой разбалансировкой. До сих пор не было ясного понимания, как именно каждая из этих потенциальных неисправностей влияет на работу нейрона.
Ученые поставили перед собой цель создать своего рода «диагностический справочник» для разработчиков сверхпроводниковых нейросетей. Они последовательно рассмотрели все три возможных сценария нарушения симметрии и вывели математические уравнения, описывающие передаточную функцию нейрона в каждом из этих случаев. Результаты исследования, поддержанного Российским научным фондом, опубликованы в журнале Beilstein Journal of Nanotechnology.
Федор Разоренов, аспирант МФТИ, прокомментировал: «Есть определенная проблема при диагностике неисправностей сверхпроводниковых нейронов: ключевые параметры (критические токи и индуктивности плеч) нельзя измерить после изготовления нейрона; изучать можно только всю структуру целиком. Информацию об этих величинах приходится извлекать из формы передаточной функции. Наша теория показывает, что каждый тип асимметрии по-своему искажает идеальную куполообразную кривую отклика, оставляя уникальный и узнаваемый след. Научившись читать эти «отпечатки», мы можем с высокой точностью определить, что именно пошло не так при изготовлении конкретной структуры. И наоборот — зная целевые параметры, по полученным формулам легко понять, какой разброс технологических параметров допустим при изготовлении нейрона, а какой слишком сильно исказит передаточную функцию».
Самое важное подтверждение теория получила при сравнении с результатами реального эксперимента, проведенного группой ранее. Экспериментальные данные демонстрировали передаточную функцию в виде почти идеального колокола, но расположенного на заметно наклоненной базовой линии. Теоретическая модель, разработанная в новой статье, однозначно показала, что такой «отпечаток» мог оставить только один тип дефекта — асимметрию подачи входного сигнала. Более того, ученые смогли объяснить и ее причину: даже в физически симметричном образце она может возникать из-за паразитного электромагнитного взаимодействия между управляющей линией и считывающим элементом схемы.
Таким образом, развитый метод позволяет получать информацию о дефектах элементов нейрона, хотя ни один из них не может быть исследован отдельно. Анализируя форму передаточной функции, можно будет проводить диагностику, отбраковывая дефектные образцы или намечая пути совершенствования их конструкции. Это знание критически важно для перехода от единичных лабораторных прототипов к созданию полномасштабных сверхпроводниковых нейроморфных устройств, способных решать сложные задачи искусственного интеллекта с беспрецедентной скоростью и энергоэффективностью.