Если вы считаете, что создание искусственного человеческого мозга – это научная фантастика, пожалуй, вы правы - пока. Но не думайте ни на минуту, что исследователи не работают над заложением основ для так называемой нейроморфической инженерии (neuromorphic engineering) - новой междисциплинарной дисциплиной, которая включает в себя нанотехнологии и целью которой является создание искусственных нейронных систем с физической архитектурой аналогичных биологических нервных систем.Недавно были разработаны гибридные органические наночастичные транзисторы, которые могут подражать основным функциональным синапсам.
Новое исследование показывает, что в настоящее время мемристорные устройства способны подражать синапсам биологических нейронов с надлежащим образом разработанными CMOS компонентами. Мемристоры являются 2-терминальными электронными устройствами, способными к точной модуляции заряда или проводимости потока через себя. Они имеют особое свойство: их сопротивление может быть запрограммировано (резистор), а затем сохраняться в памяти (оперативная память).
Исследователи из университета Мичигана (UM) продемонстрировали, что мемристор можно подключить к обычным схемам и поддерживать в нем процесс, который является основой для памяти и обучения в биологических системах.
"В мозге млекопитающих существуют вычисляющие единицы, нейроны, связанные друг с другом с помощью программируемых соединений, называемых синапсами," Вей Лу, доцент кафедры на факультете электротехники и информатики, объясняет Nanowerk.
"Синапсы модулируют передачу сигнала между нейронами и в свою очередь могут управляться ионными потоками через синапс. Мемристор, по определению, резистивное устройство с присущей ему памятью. Он очень похож на синапс - он и 2-терминальное устройство, и может модулировать проводимость на внешние раздражители, с возможностью хранения новой информации ".
Лу и его группа разработали кремниевый наномасштабный мемристор, имитирующий синапс.
Кремниевый мемристор состоит из пары электродов, между которыми находится слой аморфного кремния, легированного атомами серебра, с высоким содержанием серебра вблизи верхнего электрода и низкой концентрацией серебра вблизи нижнего электрода.
"Когда положительное напряжение подается через мемристор, ионы серебра в слое кремния будут направляться к нижнему электроду и увеличивать общую проводимость устройства, и наоборот", объясняет Лу.
"Новая проводимость сохраняется до следующего импульса напряжения. Контролируя профиль серебряного легирования и другие параметры устройства, мы смогли показать, что изменение проводимости мемристора пропорционально интегралу по времени от напряжения через него . Другими словами, свойства проводимости определяются не существующими проходящими сигналами, а историей прошедших сигналов ".
По словам Лу, такое поведение устройства согласуется с потоко-контролируемой моделью мемристорного устройства, впервые предложенного в 1971 году.
"Кроме того, это свойство позволяет точно контролировать мемристорную проводимость с внешним раздражителем - чем больше импульсов напряжения прошло через мемристор, тем больше изменена проводимость. Эти свойства позволяют мемристору имитировать синаптические свойства".
Мемристоры могут вести себя так же, как синапсы – и с их помощью можно соединить большое количество нейронов вместе, как это делают биологические синапсы.
Эти результаты показывают, что теперь можно создать подобный мозгу компьютер с помощью электронных компонентов, а именно, транзисторов и мемристоров. Ключ лишь в том, чтобы понять сходство синапсов и мемристоров.
Хотя традиционные, цифровые компьютеры развиваются относительно скорости и сложности, они ограничены так называемым феноменом von Neumann bottleneck (бутылочного горлышка) - цифровые вычислительные машины, независимо от того, насколько они быстрые, зависят от последовательной обработки данных и расстояния между центральным процессором и памятью; это устройства «результат через время».
Например, один из самых сложных суперкомпьютеров на сегодняшний день, IBM, Clue Gene / P, может выполнить определенные задачи так, как выполнила бы их кошка, но это огромная машина с более чем 147 000 процессорами, 144 терабайт памяти и специальным питанием. И она все еще в 83 раза медленнее выполняет задания, чем мозг кошки.
"Ключ к высокой эффективности биологических систем – это большое количество связей (примерно 10000 в коре млекопитающих) между нейронами, что предполагает высокую мощность параллельной обработки данных", говорит Лу. "Синаптическая нагрузка между двумя нейронами может быть точно скорректирована ионным потоком через них, и это широко распространенное мнение, что адаптация синаптической нагрузки позволяет биологическим системам обучаться и функционнннировать".
Кроме того, чтобы использовать нейроморфические схемы для создания подобных мозгу компьютеров, такие мемристоры, которые разработаны командой Лу, могут помочь разработать быстрые и лучшие схемы для других задач. Во-первых, они могут обеспечить высокую плотность хранения памяти, что необходимо в обычных схемах. Во-вторых, новые подходы к созданию схем могут быть разработаны так, что увеличение вычислительной мощности проистекает не из увеличения изначальной скорости устройства (тактовой частоты), но происходит с увеличением вычислительной эффективности. Например, ранее в этом месяце Hewlett-Packard Labs опубликовала интересную статью, где обсуждалось создание логических схем с использованием новой переменной состояния - сопротивления мемристора, вместо заряда, который был использован в обычных схемах.
