В ЛЭТИ модифицировали модель одной из наиболее распространенных в мире серийных версий мемристора — элемента компонентной базы для вычислительных устройств, действующих на новых физических принципах.
Работа ЛЭТИ позволит повысить эффективность проектирования нейроморфных компьютеров / ©Getty images
Сегодня нейросетевые алгоритмы практически достигли предела по эффективности в возможностях обучения вычислительных устройств выполнять самостоятельные действия. Поэтому исследовательские группы по всему миру ведут исследования и разработки новых типов систем искусственного интеллекта.
В этой сфере в последние годы наиболее перспективным направлением являются нейроморфные вычисления, которые используют архитектуры нейронных сетей: по аналогии с биологическими нервными клетками мозга — нейронами. Они способны обмениваться информацией с тысячами других нейронов, а также одновременно и хранить, и обрабатывать информацию.
В теории применение таких технологий позволит создать новый класс вычислительных устройств, обладающих высоким быстродействием и низкими энергозатратами. На деле же, для создания подобных компьютеров требуется разработка эффективной методологии проектирования устройств, соответствующей компонентной базы, математических моделей и программного обеспечения.
«Мы уточнили по ряду параметров математическую модель для серийно производящегося мемристора — это наноразмерный электрический элемент, который используется при создании нейроморфных систем. Уже существующая модель описывала поведение устройства только в общих чертах, что сказывалось на точности проектирования, а значит в дальнейшем это могло повлиять на адекватность работы действующего на основе мемристоров устройства», – рассказывает ассистент кафедры САПР СПбГЭТУ «ЛЭТИ», младший научный сотрудник Молодежного НИИ Валерий Островский.
Для проведения исследований ученые в лаборатории перспективной электроники и сенсорики произвели более сотни измерений различных характеристик (вольт-амперные характеристики, эффект квантования проводимости и прочее) мемристора. На основании собранных данных в исходную модель было предложено добавить хаотический генератор для воспроизведения межциклической вариативности резистивных переключений, связанной с реорганизацией проводящего канала внутри исследуемого устройства. Вторая модификация заключалась в точной настройке модели в соответствии со структурными и частотными характеристиками порогов переключения мемристора при малых токах, нацеленной на долговечное и энергоэффективное применение элемента.
Используемый в экспериментах электрический элемент серийно производится в США. Устройство представляет собой многослойную гетероструктуру на основе халькогенидного стекла с примесью вольфрама в активном слое: (<W/Ge2Se3/Ag/Ge2Se3/SnSe/Ge2Se3/Ge2Se3+W/Ge2Se3/W>).
«Ключевая задача нашего исследования состоит в том, чтобы связать воедино физические образцы мемристоров, моделей и созданных на их основе прототипов вычислительных устройств, причем так, чтобы все они работали. И математические модели в данном случае выступают “мостиком” на пути к созданию нейроморфных компьютеров будущего. Потому что гораздо проще и дешевле отработать все необходимые аспекты функционирования таких систем с помощью моделей, чем создавать множество физических прототипов, не все из которых гарантированно будут работоспособны», — поясняет Валерий Островский. Результаты исследования опубликованы в научном журнале Nanomaterials.
