ИИ нового поколения сможет работать на искусственных нейронах
Нейроны нервной системы — аналоговые устройства. Такими же могут стать и искусственные нейроны для будущих поколений ИИ
Исследователи из Оксфордского университета и Техасского университета создали искусственные нейроны из трех слоев двумерных (2D) материалов. Каждый слой имеет толщину в один атом. Нейроны способны обрабатывать электрические и оптические сигналы. Эти нейроны сохраняют информацию, как налоговые устройства, то есть работают как живые нервные клетки.
На протяжении десятилетий ученые изучали вопрос о том, как воссоздать универсальные вычислительные возможности биологических нейронов для разработки более быстрых и энергоэффективных систем машинного обучения. Один из перспективных подходов включает использование мемристоров: электронных компонентов, способных сохранять информацию, регистрируя изменение проводимости.
Основной проблемой при воспроизведении сложных процессов биологических нейронов и мозга с помощью мемристоров является сложность интеграции сигналов нейронов с прямой и обратной связью. Эти механизмы лежат в основе нашей когнитивной способности обучаться сложным задачам, используя вознаграждения и ошибки.
Группа исследователей объявила о важном достижении: разработке атомарно тонких искусственных нейронов, созданных путем укладки двумерных (2D) материалов.
Оптоэлектронные мемристоры
В ходе исследования ученые расширили функциональность электронных мемристоров, сделав их чувствительными как к оптическим, так и к электрическим сигналам. Это позволило обеспечить одновременную работу и прямой и обратной связи в сети. Такие нейронные сети имеют большой потенциал для решения сложных задач машинного обучения, таких как обучение без учителя.
Двумерные материалы состоят из нескольких слоев атомов, и этот масштаб дает возможность тонкой настройки в зависимости от того, как уложены слои. В работе ученые использовали стопку из трех двумерных материалов — графена, дисульфида молибдена и дисульфида вольфрама — для создания устройства, которое демонстрирует изменение проводимости в зависимости от мощности и длительности воздействия света или электричества.
В отличие от цифровых запоминающих устройств, эти устройства являются аналоговыми и работают аналогично синапсам и нейронам в биологическом мозге. Аналоговая характеристика позволяет производить вычисления, когда последовательность электрических или оптических сигналов, посылаемых на устройство, вызывает постепенные изменения в количестве накопленного электронного заряда. Этот процесс формирует основу для пороговых режимов нейронов, аналогично тому, как наш мозг обрабатывает комбинацию возбуждающих и тормозящих сигналов.
Ведущий автор исследования Гази Сарват Сайед говорит: «Помимо потенциального применения в аппаратных средствах искусственного интеллекта, эти результаты демонстрируют важное научное достижение в более широких областях нейроморфной инженерии и алгоритмов, позволяя нам лучше эмулировать и понимать мозг».
Поскольку развитие приложений искусственного интеллекта растет экспоненциально, требуемая вычислительная мощность опережает развитие нового оборудования на базе традиционных процессоров. Поэтому новые принципы реализации универсальных вычислений так важны сегодня.