• Home
  • Chimica
  • Astronomia
  • Energia
  • Natura
  • Biologia
  • Fisica
  • Elettronica
  •  science >> Scienza >  >> Fisica
    Il nuovo memristor aumenta la precisione e l'efficienza delle reti neurali su scala atomica

    L'hardware che imita i circuiti neurali del cervello richiede elementi costitutivi in ​​grado di regolare il modo in cui sinapsi. Un tale approccio, chiamati memristori, utilizza la resistenza attuale per memorizzare queste informazioni. Un nuovo lavoro cerca di superare i problemi di affidabilità in questi dispositivi ridimensionando i memristori a livello atomico. I ricercatori hanno dimostrato un nuovo tipo di sinapsi composta che può ottenere la programmazione del peso sinaptico e condurre la moltiplicazione vettore-matrice con progressi significativi rispetto all'attuale stato dell'arte. Discutono del loro lavoro in questa settimana Giornale di Fisica Applicata . Questa immagine mostra uno schema concettuale dell'implementazione 3D di sinapsi composte costruite con memristori binari di ossido di nitruro di boro (BNOx), e il crossbar array con sinapsi BNOx composte per applicazioni di calcolo neuromorfico. Credito:Ivan Sanchez Esqueda

    Proprio come le loro controparti biologiche, l'hardware che imita i circuiti neurali del cervello richiede elementi costitutivi in ​​grado di regolare il modo in cui sinapsi, con alcune connessioni che si rafforzano a scapito di altre. Un tale approccio, chiamati memristori, utilizza la resistenza attuale per memorizzare queste informazioni. Un nuovo lavoro cerca di superare i problemi di affidabilità in questi dispositivi ridimensionando i memristori a livello atomico.

    Un gruppo di ricercatori ha dimostrato un nuovo tipo di sinapsi composta che può ottenere la programmazione del peso sinaptico e condurre la moltiplicazione vettore-matrice con significativi progressi rispetto all'attuale stato dell'arte. Pubblicando il suo lavoro nel Giornale di Fisica Applicata , la sinapsi composta del gruppo è costruita con memristori di nitruro di boro atomicamente sottili che funzionano in parallelo per garantire efficienza e precisione.

    L'articolo appare in una sezione speciale della rivista dedicata a "New Physics and Materials for Neuromorphic Computation, " che mette in evidenza i nuovi sviluppi nella ricerca scientifica fisica e dei materiali che promettono di sviluppare su larga scala, sistemi "neuromorfi" integrati di domani che porteranno il calcolo oltre i limiti degli attuali semiconduttori di oggi.

    "C'è molto interesse nell'uso di nuovi tipi di materiali per i memristori, " disse Ivan Sanchez Esqueda, un autore sulla carta. "Ciò che stiamo dimostrando è che i dispositivi filamentosi possono funzionare bene per le applicazioni di calcolo neuromorfico, quando costruito in nuovi modi intelligenti."

    L'attuale tecnologia dei memristor soffre di un'ampia variazione nel modo in cui i segnali vengono memorizzati e letti attraverso i dispositivi, sia per diversi tipi di memristori che per diverse esecuzioni dello stesso memristore. Per superare questo, i ricercatori hanno eseguito diversi memristori in parallelo. L'uscita combinata può raggiungere una precisione fino a cinque volte quella dei dispositivi convenzionali, un vantaggio che i composti come dispositivi diventano più complessi.

    La scelta di passare al livello subnanometrico, Sanchez ha detto, è nato dall'interesse a mantenere tutti questi memristori paralleli efficienti dal punto di vista energetico. Una serie di memristori del gruppo è risultata essere 10, 000 volte più efficiente dal punto di vista energetico rispetto ai memristori attualmente disponibili.

    "Si scopre che se inizi ad aumentare il numero di dispositivi in ​​parallelo, puoi vedere grandi vantaggi in termini di precisione pur conservando energia, " ha detto Sanchez. Sanchez ha detto che il team cercherà di mostrare ulteriormente il potenziale delle sinapsi composte dimostrando il loro uso completando compiti sempre più complessi, come il riconoscimento di immagini e modelli.

    © Scienza https://it.scienceaq.com