Современные вычисления являются цифровыми и состоят из двух состояний: включено-выключено или единица и ноль. Аналоговый компьютер, как и мозг, имеет множество возможных состояний. Это разница между включением или выключением переключателя света и переключением диммера на различное количество освещения.
По словам Саптарши Даса, руководителя группы и доцента технических наук и механики, нейроморфные или мозговые вычисления изучаются более 40 лет. Новым является то, что по мере того, как пределы цифровых вычислений были достигнуты, потребность в высокоскоростной обработке изображений, например, для беспилотных автомобилей, возросла. Распространение больших данных, для которых требуются типы распознавания образов, для которых особенно хорошо подходит архитектура мозга, является еще одним движущим фактором в стремлении к нейроморфным вычислениям.
«У нас есть мощные компьютеры, в этом нет никаких сомнений, проблема в том, что вы должны хранить память в одном месте, а вычисления выполнять где-то в другом», – сказал Дас.
Перемещение этих данных из памяти в логику и обратно отнимает много энергии и снижает скорость вычислений.
Кроме того, эта компьютерная архитектура требует много места. Если бы вычисления и хранилище памяти могли быть расположены в одном пространстве, это узкое место можно было бы устранить.
«Мы создаем искусственные нейронные сети, которые стремятся имитировать эффективность энергии и площади мозга», – объяснил Томас Шрангхамер, докторант группы Das и первый автор статьи, недавно опубликованной в Nature Communications. «Мозг настолько компактен, что может поместиться на ваших плечах, в то время как современный суперкомпьютер занимает пространство размером с два или три теннисных корта."
Подобно синапсам, соединяющим нейроны в мозгу, которые можно перенастроить, искусственные нейронные сети, которые создает команда, можно перенастроить, приложив кратковременное электрическое поле к листу графена, слою атомов углерода толщиной в одну атомную.
В этой работе они показывают по крайней мере 16 возможных состояний памяти, в отличие от двух в большинстве мемристоров на основе оксидов или резисторов памяти.
«Мы показали, что можем с точностью управлять большим количеством состояний памяти, используя простые графеновые полевые транзисторы», – сказал Дас.
Команда считает, что доведение этой технологии до коммерческого масштаба возможно.
Поскольку многие из крупнейших полупроводниковых компаний активно занимаются нейроморфными вычислениями, Дас считает, что эта работа им будет интересна.
Управление армейских исследований поддержало эту работу.
Команда подала заявку на патент на это изобретение.