Нейроморфные вычисления, вдохновленные человеческим мозгом, — одна из таких технологий. В результате устройства, имитирующие биологические нейроны и синапсы, разрабатываются одно за другим на основе новых материалов и структур, но исследований по интеграции отдельных устройств в систему для их проверки и оптимизации пока не хватает. Для того чтобы крупномасштабное аппаратное обеспечение искусственных нейронных сетей стало практичным в будущем, необходимо интегрировать искусственные нейроны и синапсы, а также снизить затраты на массовое производство и энергопотребление за счет изготовления устройств из одинаковых материалов и структур.

Команда под руководством доктора Джун Янг Квака из Центра нейроморфной инженерии Корейского института науки и технологий (KIST) объявила о реализации технологии интегрированных элементов для искусственных нейроморфных устройств, которые могут соединять нейроны и синапсы, как «блоки Lego», для создания крупномасштабного оборудования искусственных нейронных сетей.

Команда изготовила вертикально уложенные мемристорные устройства с использованием hBN, двумерного материала, который выгодно отличается высокой степенью интеграции и ультранизким энергопотреблением, чтобы продемонстрировать характеристики биологических нейронов и синапсов. Поскольку команда создала искусственные нейроны и синапсы из одного материала и с одной структурой, в отличие от обычных устройств для имитации искусственных нейронов на основе кремниевого CMOS со сложной структурой, использующей несколько устройств, устройства, разработанные командой, обеспечивают простоту процесса и масштабируемость сети, прокладывая путь к разработке крупномасштабного аппаратного обеспечения искусственных нейронных сетей.

Интегрируя и соединяя разработанные устройства, команда также успешно реализовала структуру «нейрон-синапс — нейрон», основной блок искусственной нейронной сети, в аппаратном обеспечении, чтобы продемонстрировать передачу информации на основе спайкового сигнала, как работает человеческий мозг. Экспериментально проверив, что модуляция информации спайк-сигнала между двумя нейронами может регулироваться в зависимости от синаптических весов искусственного синаптического устройства, исследователи продемонстрировали потенциал использования возникающих устройств на основе hBN для маломощных крупномасштабных аппаратных систем ИИ.

Аппаратные системы на основе искусственных нейронных сетей могут использоваться для эффективной обработки огромных объемов данных, генерируемых в реальных приложениях, таких как «умные» города, здравоохранение, коммуникации нового поколения, прогнозирование погоды и автономные транспортные средства, — сказал доктор Джун Янг Квак из KIST, объясняя значение результатов исследования.

Это поможет решить экологические проблемы, такие как выбросы углекислого газа, за счет значительного снижения энергопотребления и превышения пределов масштабирования существующих устройств на основе кремниевого CMOS.