В работе использовались разработанные в ННГУ мемристивные наноструктуры
Ученые НИЦ «Курчатовский институт» продемонстрировали возможность обучения искусственных аналогов синапсов, которые в организме человека обеспечивают связи между нейронами головного мозга, нервными клетками органов чувств, рецепторами и так далее, по правилам, аналогичным биологическим. Это является важным шагом к созданию самообучающихся вычислительных систем.
Искусственными аналогами синапсов, которые соединяют нейроны в живых нервных сетях и обладают похожей «пластичностью», то есть могут либо пропускать, либо не пропускать нервные импульсы, в данной работе выступают мемристоры. Их название происходит от английских слов memory и resistor — резистор с памятью.
«Ученые продемонстрировали возможность обучения мемристивных наноструктур определенного типа по биоподобным правилам. Полученные результаты открывают возможности для создания автономных нейровычислительных систем с весьма низким потреблением энергии, в перспективе способных обучаться решению сложных когнитивных задач», — говорится в сообщении.
В работе были использованы разработанные в ННГУ им. Н.И. Лобачевского мемристивные наноструктуры, то есть миниатюризированные до единиц нанометров с помощью нанотехнологий. В отличие от электронных устройств они потребляют мало энергии, поскольку она не требуется им для поддержания текущего состояния, а необходима лишь для его изменения.
«Такого рода системы обладают экстремально малым энергопотреблением и могут существенно превосходить по скорости обработки информации современные вычислительные системы, базирующиеся на архитектуре фон Неймана при выполнении перечисленных когнитивных функций», — сказал один из авторов исследования, директор-координатор по направлению природоподобные технологии НИЦ «Курчатовский институт» Вячеслав Демин, слова которого приводятся в сообщении.
В НИЦ добавили, что создание таких систем позволяет ответить на большие вызовы Стратегии научно-технологического развития РФ, в частности в области перехода к передовым технологиям машинного обучения и искусственного интеллекта.
Источник: ТАСС
