Новый мемристор с кислородным градиентом ускорил и стабилизировал обучение ИИ

Учёные разработали новый тип мемристора, способный значительно улучшить обучение искусственного интеллекта. Речь идёт о подходе, известном как обучение с подкреплением, при котором система постепенно накапливает опыт и адаптируется — подобно тому, как это происходит в живом мозге.

В биологических системах такую адаптацию обеспечивают ионные градиенты: они регулируют передачу сигналов между клетками, делая её плавной и направленной. Воспроизвести этот механизм в электронике — одна из ключевых задач нейроморфных вычислений.

В исследовании, опубликованном в журнале Nature Communications, учёные представили мемристор с встроенным градиентом кислорода. Благодаря этому его проводимость изменяется медленно и стабильно, что позволяет алгоритмам обучения с подкреплением работать быстрее и надёжнее по сравнению с традиционными решениями.

Хотя мемристоры давно рассматриваются как основа для имитации синапсов, большинство из них сталкиваются с проблемой резких и непредсказуемых скачков проводимости. Это мешает стабильному обучению. Новое устройство решает эту проблему за счёт формирования устойчивых внутренних состояний, которые изменяются во времени согласованно.

Команда исследователей из Китая и Гонконга вдохновилась биологическими процессами. Они попытались воспроизвести механизм, при котором клетки используют ионные градиенты для плавного изменения своего состояния и хранения информации о прошлой активности.

Главная сложность заключалась в том, что в обычных оксидных мемристорах ионы движутся хаотично, а искусственно созданные градиенты быстро разрушаются под действием электрического поля. Чтобы преодолеть это ограничение, учёные разработали многослойную структуру устройства с использованием оксидов и органических соединений.

Ключевую роль сыграл тонкий слой цинк-порфирина. Он помогает формировать устойчивый градиент кислорода и контролирует движение ионов, предотвращая разрушение внутренней структуры. В результате система начинает работать более предсказуемо — как будто движение частиц направляется по наклонной поверхности, а не происходит случайным образом.

Созданный мемристор демонстрирует медленные и непрерывные изменения проводимости с длительным временем релаксации (более 100 секунд), что значительно превосходит показатели аналогичных устройств. Это делает его особенно полезным для задач непрерывного обучения, где важна стабильность во времени.

Кроме того, устройство способно поддерживать десятки устойчивых состояний проводимости и использует специальную схему импульсов для точного управления ионной динамикой. В итоге мемристор не просто реагирует на сигналы, а формирует последовательность внутренних состояний, напоминающую биологические процессы обучения.

Разработка открывает новые возможности для создания аппаратных систем искусственного интеллекта, способных эффективно обучаться в изменяющихся условиях.

С уважением, ООО "Компания "База Электроники"

Вернуться на главную