Un equipo de científicos del Instituto de Física y Tecnología de Moscú MIPT ha creado prototipos de "sinapsis electrónicas" basadas en películas ultrafinas de óxido de hafnio HfO2. Estos prototipos podrían utilizarse en sistemas informáticos fundamentalmente nuevos.El artículo ha sido publicado en la revista Cartas de investigación a nanoescala .
El grupo de investigadores de MIPT ha hecho memristores basados en HfO2 que miden solo 40x40 nm2. Las nanoestructuras que construyeron exhiben propiedades similares a las sinapsis biológicas. Utilizando tecnología recientemente desarrollada, los memristores se integraron en matrices: en el futuro esta tecnología se puede usarpara diseñar computadoras que funcionen de manera similar a las redes neuronales biológicas.
Memristors resistencias con memoria son dispositivos que pueden cambiar su estado conductividad dependiendo de la carga que los atraviesa, y por lo tanto tienen un recuerdo de su "historia". En este estudio, los científicos utilizaron dispositivos basados enóxido de hafnio de película delgada, un material que ya se usa en la producción de procesadores modernos. Esto significa que esta nueva tecnología de laboratorio podría, si fuera necesario, usarse fácilmente en procesos industriales.
"En una versión más simple, los memristores son prometedoras células binarias de memoria no volátil, en las cuales la información se escribe cambiando la resistencia eléctrica, de mayor a menor y viceversa. Lo que estamos tratando de demostrar son funciones mucho más complejas dememristors: que se comportan de manera similar a las sinapsis biológicas ", dijo Yury Matveyev, autor correspondiente del artículo e investigador principal del Laboratorio de Materiales y Dispositivos Funcionales para Nanoelectrónica del MIPT, comentando el estudio.
Sinapsis: la clave del aprendizaje y la memoria
Una sinapsis es el punto de conexión entre las neuronas, cuya función principal es transmitir una señal un pico, un tipo particular de señal, ver la figura 2 de una neurona a otra. Cada neurona puede tener miles de sinapsis, es decir, conectarse con una gran cantidad de otras neuronas. Esto significa que la información puede procesarse en paralelo, en lugar de secuencialmente como en las computadoras modernas. Esta es la razón por la cual las redes neuronales "vivas" son tan inmensamente efectivas en términos de velocidady consumo de energía para resolver una amplia gama de tareas, como reconocimiento de imagen / voz, etc.
Con el tiempo, las sinapsis pueden cambiar su "peso", es decir, su capacidad para transmitir una señal. Se cree que esta propiedad es la clave para comprender las funciones de aprendizaje y memoria del cerebro.
Desde el punto de vista físico, la "memoria" y el "aprendizaje" sinápticos en el cerebro pueden interpretarse de la siguiente manera: la conexión neuronal posee una cierta "conductividad", que está determinada por la "historia" previa de las señales que han pasadoa través de la conexión. Si una sinapsis transmite una señal de una neurona a otra, podemos decir que tiene una alta "conductividad", y si no es así, decimos que tiene una baja "conductividad". Sin embargo, las sinapsis no funcionan simplemente enmodo encendido / apagado; pueden tener cualquier "peso" intermedio valor de conductividad intermedio. En consecuencia, si queremos simularlos usando ciertos dispositivos, estos dispositivos también tendrán que tener características análogas.
El memristor como un análogo de la sinapsis
Como en una sinapsis biológica, el valor de la conductividad eléctrica de un memristor es el resultado de su "vida" anterior, desde el momento en que se hizo.
Hay una serie de efectos físicos que pueden explotarse para diseñar memristors. En este estudio, los autores utilizaron dispositivos basados en óxido de hafnio de película ultrafina, que exhiben el efecto de una falla eléctrica suave reversible bajo un campo eléctrico externo aplicadoLa mayoría de las veces, estos dispositivos usan solo dos estados diferentes que codifican la lógica cero y uno. Sin embargo, para simular sinapsis biológicas, se tuvo que usar un espectro continuo de conductividades en los dispositivos.
"El mecanismo físico detallado detrás de la función de los memristores en cuestión todavía se debate. Sin embargo, el modelo cualitativo es el siguiente: en la estructura metal-óxido ultrafino-metal, los defectos de puntos cargados, como las vacantes de átomos de oxígeno, sonse forman y se mueven alrededor de la capa de óxido cuando se exponen a un campo eléctrico. Son estos defectos los responsables del cambio reversible en la conductividad de la capa de óxido ", dice el coautor del artículo e investigador del Laboratorio de Funciones Funcionales de MIPT.Materiales y dispositivos para nanoelectrónica, Sergey Zakharchenko.
Los autores utilizaron los memristores "analógicos" recientemente desarrollados para modelar varios mecanismos de aprendizaje "plasticidad" de las sinapsis biológicas. En particular, esto incluía funciones como la potenciación a largo plazo LTP o la depresión a largo plazo LTD deuna conexión entre dos neuronas. Generalmente se acepta que estas funciones son los mecanismos subyacentes de la memoria en el cerebro.
Los autores también lograron demostrar un mecanismo más complejo: la plasticidad dependiente del tiempo de pico, es decir, la dependencia del valor de la conexión entre las neuronas en el tiempo relativo que se tarda en "activarse".que este mecanismo es responsable del aprendizaje asociativo: la capacidad del cerebro para encontrar conexiones entre diferentes eventos.
Para demostrar esta función en sus dispositivos de memoria, los autores utilizaron a propósito una señal eléctrica que reproducía, en la medida de lo posible, las señales en las neuronas vivas, y obtuvieron una dependencia muy similar a las observadas en las sinapsis vivas ver fig. 3.
Estos resultados permitieron a los autores confirmar que los elementos que habían desarrollado podrían considerarse un prototipo de la "sinapsis electrónica", que podría usarse como base para la implementación de hardware de redes neuronales artificiales.
"Hemos creado una matriz de referencia de memristores de nanoescala que demuestran las propiedades de las sinapsis biológicas. Gracias a esta investigación, ahora estamos un paso más cerca de construir una red neuronal artificial. Puede que solo sea la más simple de las redes, pero essin embargo, un prototipo de hardware ", dijo el jefe del Laboratorio de Materiales y Dispositivos Funcionales para Nanoelectrónica de MIPT, Andrey Zenkevich.
Fuente de la historia :
Materiales proporcionado por Instituto de Física y Tecnología de Moscú . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :