Ny memristor øger nøjagtigheden og effektiviteten for neurale netværk på atomskala

Ligesom deres biologiske modstykker, hardware, der efterligner hjernens neurale kredsløb, kræver byggeklodser, der kan justere, hvordan de synapser, med nogle forbindelser, der styrker på bekostning af andre. En sådan tilgang, kaldet memristorer, bruger strømmodstand til at gemme denne information. Nyt arbejde ser ud til at overvinde pålidelighedsproblemer i disse enheder ved at skalere memristorer til atomniveau.

En gruppe forskere demonstrerede en ny type sammensat synapse, der kan opnå synaptisk vægtprogrammering og udføre vektor-matrix multiplikation med betydelige fremskridt i forhold til den nuværende teknologi. Udgiver sit arbejde i Journal of Applied Physics , gruppens sammensatte synapse er konstrueret med atomisk tynde bornitrid memristorer, der løber parallelt for at sikre effektivitet og nøjagtighed.

Artiklen vises i en særlig emnesektion af tidsskriftet, der er viet til "New Physics and Materials for Neuromorphic Computation, "som fremhæver nye udviklinger inden for fysisk og materialevidenskabelig forskning, der lover at udvikle den meget storstilede, morgendagens integrerede "neuromorfe" systemer, der vil bære beregninger ud over begrænsningerne for nuværende halvledere i dag.

"Der er stor interesse for at bruge nye typer materialer til memristorer, " sagde Ivan Sanchez Esqueda, en forfatter på papiret. "Det, vi viser, er, at filamentære enheder kan fungere godt til neuromorfe computerapplikationer, når de er bygget på nye smarte måder."

Den nuværende memristor-teknologi lider under en bred variation i, hvordan signaler lagres og læses på tværs af enheder, både til forskellige typer af memristorer såvel som forskellige kørsler af samme memristor. For at overvinde dette, forskerne kørte adskillige memristorer sideløbende. Den kombinerede udgang kan opnå nøjagtigheder op til fem gange højere end konventionelle enheder, en fordel, at forbindelser som enheder bliver mere komplekse.

Valget om at gå til subnanometerniveauet, Sanchez sagde, blev født ud af en interesse for at holde alle disse parallelle memristorer energieffektive. En række af gruppens memristorer viste sig at være 10, 000 gange mere energieffektiv end de nuværende tilgængelige memristorer.

"Det viser sig, hvis du begynder at øge antallet af enheder parallelt, du kan se store fordele i nøjagtighed, mens du stadig sparer strøm, " sagde Sanchez. Sanchez sagde, at teamet næste gang ser på yderligere at fremvise potentialet af de sammensatte synapser ved at demonstrere deres brug til at fuldføre stadig mere komplekse opgaver, såsom billed- og mønstergenkendelse.