Исследователи из Франции, Японии и США разработали «нанонейрон», способный распознавать звуковые сигналы. Устройство, основанное на нанометровом магнитном устройстве, известном как спинтронный осциллятор, имитирует поведение биологических нейронов. Его можно использовать для создания миниатюрных микросхем с низким энергопотреблением, способных выполнять сложную обработку информации.

Компьютеры, которые функционируют скорее как человеческий мозг, а не как обычные (фон Неймана) цифровые системы, будут основываться на нейронных сетях, а не на рядах двоичных 1 и 0. Они смогут более легко справляться с огромными наборами данных, которые в настоящее время создаются во всем мире, благодаря тому, что они являются массово параллельными, будучи более эффективными и менее энергоемкими. Чтобы сделать это новое поколение машин, исследователи сосредоточились на разработке электронных устройств, имитирующих строительные блоки мозга – нейроны и синапсы.

Нанонейрон, сделанный Жюли Гроллье (Julie Grollier) из Unité Mixte de Physique CNRS-Thales и ее коллегами, основан на спинтронном осцилляторе, который представляет собой небольшой цилиндр, состоящий из уложенных магнитов, разделенных изолирующим, немагнитным барьером. Устройство имеет намагниченность, которая устанавливается в определенном направлении и может управляться путем подачи электрического тока. Когда устройство стимулируется вторым электрическим током (входом), вектор намагничивания начинает циркулировать.

«Каждая циркуляция сопровождается электромагнитным излучением, которое имитирует электрические импульсы, испускаемые биологическими нейронами», – объясняет Гроллье. Исследователи измеряют это излучение, затем обрабатывают его с использованием методов машинного обучения (в которых данные классифицируются на основе результатов, полученных в ходе предыдущих тренировочных сессий).

За последние 10 лет или около того, приложения ИИ, такие как машинное и глубокое обучение, скачкообразно увеличились.

«Хотя алгоритмы ИИ теперь могут эффективно распознавать визуальные или голосовые сигналы, запуск этих программ на обычных компьютерах (изготовленных из транзисторов) потребляет в 10 000 раз больше энергии, чем человеческий мозг, – говорит Гроллье. – Снижение потребления электроэнергии требует создания блоков, подобных мозгу, объединяющих огромное количество миниатюрных нейронов и синапсов. Тем не менее, искусственный нанонейрон достаточно стабильный, чтобы выполнять надежные вычисления, несмотря на его небольшие размеры, все еще отсутствовал – до сих пор. Что интересно в нашей новой работе, так это то, что в первый раз нам удалось создать нанонейрон, способный распознавать входной сигнал, который был в этом случае цифрой (0–9), произносимой разными динамиками, с коэффициентом успеха 99,6%». Этот результат сравним с другими современными технологиями.

Конечная цель исследования – реализовать интеллектуальные микросхемы с очень низким энергопотреблением, которые способны учиться и адаптироваться к постоянно меняющимся и неоднозначным условиям реального мира. Эти чипы могут быть полезны во многих приложениях, таких как классификация огромных объемов данных в режиме реального времени, управление автономными транспортными средствами или медицинская диагностика.

«Новый магнитный нанонейрон имеет структуру, которая идентична ячейкам магнитной памяти, которые уже производятся промышленностью в количествах сотни миллионов на кремнии»,– добавляет она. – В следующем году мы надеемся на плотное межсоединение этих нейронов и управление их связями для создания больших сетей, способных к сложной обработке информации».

Наноосциллятор спинового момента для нейроморфных вычислений