Повышена "выносливость" устройств для нейроморфных систем

Исследователи Московского государственного университета им. М. В. Ломоносова и НИЦ "Курчатовский институт" повысили эффективность работы устройств, которые в будущем могут стать основой нейроморфных компьютеров - систем, имитирующих работу биологических нейронных сетей. Авторам удалось в 1,5 раза увеличить число циклов переключения таких резисторов, сообщила пресс-служба вуза.

Мемристоры отличаются от обычных резисторов тем, что сопротивление мемристора зависит от того, как до этого через него проходил ток. Благодаря этому мемристор обладает "памятью" и способностью менять записанные в нем данные, что сближает его по свойствам с нервными окончаниями.

Ученые физического факультета вуза и Института ядерной физики им. Д. В. Скобельцына МГУ совместно с исследователями из Курчатовского института нашли способ улучшить работу таких устройств за счет облучения альфа-частицами.

"Сотрудниками МГУ был предложен метод управляемого дефектообразования с помощью радиационного воздействия на структуру мемристора. Воздействие альфа-излучения на мемристоры <…> привело к значительному улучшению их характеристик. После облучения количество устойчивых резистивных состояний увеличилось почти в три раза, а отношение сопротивлений в высоко- и низкоомном состоянии - более чем в два раза. Кроме того, увеличилась и "выносливость" устройства: число циклов переключений возросло в полтора раза", - сообщили в вузе.

Облучение структур этих устройств сопровождалось образованием в слое оксида титана дефектов, которые способствовали формированию проводящих каналов при протекании тока через образец. При этом сам процесс создания таких "затравок" для каналов был управляем: дефекты появлялись локально и дозированно, в отличие от хаотичного распределения в обычных образцах.

Нейроморфные системы

Полученные результаты особенно важны для развития нейроморфных систем - вычислительных архитектур, имитирующих работу головного мозга.

"Чем больше стабильных состояний может хранить мемристор, тем выше его "пластичность" - способность к обучению, аналогичная синаптической пластичности в нейронах. Это делает такие устройства перспективными для реализации многослойных нейросетей на аппаратном уровне", - отметил автор работы, доцент кафедры общей физики и наноэлектроники физического факультета МГУ Александр Ильин.

Источник: ТАСС

Фото: Михаил Почуев/ТАСС