Разработан первый транзистор, способный самообучаться в процессе работы

Друзья, с момента основания проекта прошло уже 20 лет и мы рады сообщать вам, что сайт, наконец, переехали на новую платформу.

Какое-то время продолжим трудится на общее благо по адресу https://n-n-n.ru.
На новой платформе мы уделили особое внимание удобству поиска материалов.
Особенно рекомендуем познакомиться с работой рубрикатора.

Спасибо, ждём вас на N-N-N.ru

Проводя исследования, результатом которых может стать совершенно новый подход к реализации искусственного интеллекта, исследователи из Школы технических и прикладных наук (School of Engineering and Applied Sciences, SEAS) Гарвардского университета разработали новый тип транзистора, транзистора, способного самообучаться в процессе его работы, что делает его подобным нервному синапсу.

Названное синаптическим транзистором, это устройство самооптимизирует свои электрические и электронные характеристики в соответствии с функциями, которые оно выполняло в прошлом.

Одна из наиболее замечательных черт мозга человека или другого высокоорганизованного живого существа заключается в самообучении, в запоминании того, что это делает. Если человека заставить выполнять совершенно новую для него работу, то в первый день он будет действовать беспорядочно и постоянно совершать ошибки. Но, через неделю или две этот человек будет выполнять всю работу на «автопилоте», выполняя весь ряд действий, совершенно не задумываясь над этим.

Все это происходит благодаря пластичности мозга, способности мозга динамически перестраивать свою структуру, образуя новые синаптические связи между нейронами или «перепрофилируя» уже существующие связи.

Большая часть пластичности мозга является последствием изменений приблизительно в 100 триллионах синапсов, которые представляют собой взаимосвязи между нервными клетками мозга. При выполнении человеком однообразных действий, синаптические связи, отвечающие за эту деятельность, крепнут и их количество увеличивается, что приводит к появлению целых «дорог» из синапсов, соединяющих определенные участки мозга.

20131110_4_2.jpg Рис. 1.

Когда определенный нейрон раз за разом посылает другому нейрону через синапс определенный сигнал, то этот синапс через некоторое время перестраивает свою структуру таким образом, чтобы усилить этот вид передаваемого им сигнала.

Синаптический транзистор, созданный гарвардскими учеными, подражает такому поведению синапса. Для этого транзистор имеет особую структуру, которая во многом повторяет структуру обычного полевого транзистора за исключением небольшого количества специальной ионной жидкости, находящейся в промежутке между изолированным затвором транзистора и его проводящим каналом. Канал синаптического транзистора изготовлен из никелата самария (SmNiO3), а не из легированного кремния, как у обычных полевых транзисторов.

К сожалению, за счет наличия функции самообучения синаптический транзистор имеет более низкую скорость реакции, нежели полевой транзистор. Под реакцией здесь подразумевается изменение силы электрического тока, текущего через канал транзистора, в ответ на изменение электрического потенциала на управляющем электроде, затворе. За счет наличия ионной жидкости транзистор может запомнить то, что он делал в прошлом и откорректировать проводимость его канала, что достигается за счет перемещения ионов кислорода, насыщающих материал канала транзистора.

Электрическим аналогом «укрепления» синапса является увеличение электрической проводимости канала синаптического транзистора. И при смене рода выполняемых транзистором функций, точнее, при изменении характеристик проходящих через него сигналов может произойти и обратная ситуация, когда проводимость канала транзистора будет уменьшена за счет оттока ионов кислорода назад в ионную жидкость.

20131110_4_3.jpg Рис. 2.

Следует отметить, что синаптический транзистор предназначен для работы с непрерывными аналоговыми сигналами, а не прерывистыми цифровыми данными, с обработкой которых достаточно хорошо справляются простые полевые транзисторы.

Такая способность дает синаптическим транзисторам, которые являются одним из видов искусственных синапсов, большую гибкость в самостоятельном предварительном поиске методов решения определенной задачи и в дальнейшем улучшении своей работы по решению этой же задачи.

К сожалению, физическая структура гарвардского синаптического транзистора не может обеспечить самостоятельного должного управления значением проводимости его канала. Поэтому для создания необходимых временных задержек и формирования импульсов нужной формы, которые обеспечивают перенос ионов кислорода, используются несложные внешние электронные цепи. Тем не менее, это не является препятствием к созданию на основе синаптических транзисторов сложных схем по типу нейронных сетей, которые будут способны самостоятельно выработать особый вид реакции на определенные значения входных сигналов, и выработать эту реакцию не по заранее заложенной в структуре сети программе, а на основании опыта, приобретенного в ходе выполнения других задач.

Новые синаптические транзисторы могут стать точкой отсчета, с которой начнется разработка систем искусственного интеллекта нового поколения, построенного не на «умных» алгоритмах программного обеспечения, а «зашитого» в самой архитектуре компьютера. С другой точки зрения, схемы, собранные из миллионов крошечных синаптических транзисторов смогут перевести технологии параллелизма вычислений на качественно новый уровень эффективности.

Пожалуйста, оцените статью:
Ваша оценка: None Средняя: 5 (26 votes)
Источник(и):

1. gizmag.com

2. dailytechinfo.org



OSV аватар

Эффект памяти уже достаточно давно обнаружен в разных материалах. В частности связь «электрической памяти» в металлах с «памятью формы» исследовал Дмитрий Колгунов, о котором писал в своих статьях (см. например, «Лженаука ЭКОНОМИКА» на rusnor.org).

В этой же статье затронут аспект «памяти» касающийся «самообучения» транзистора.

Думаю, это выражение: «самообучения» транзистора, не совсем корректно (по ряду причин –ниже), но затрагивает принципиальный и очень важный МЕТОДИЧЕСКИЙ АСПЕКТ исследования нано-объектов. Как писал в статье «Размерные эффекты и НАНО» (на том же сайте НОР), при работе с нано-объектами необходимо при самой постановке экспериментов и при попытках интерпретации их результатов отталкиваться не от привычных макроскопических моделей, а учитывать «масштабный коэффициент», в первую очередь не учитываемый ранее «термодинамический масштабный коэффициент», не учитываемый ранее в самом описании работы транзистора, во-первых, и не учитываемый ранее в методике измерений, во-вторых. Первое приводит к неучтённому в теории транзистора вкладу температурной силы. Об этом достаточно подробно сказано в отмеченной выше статье. Второе приводит к тому, что ПОВТОРЯЕМОСТЬ экспериментов с нано-объектами определяется не созданием эквивалентных условий измерения в локальной временной точке, а «ВРЕМЕННОЙ ГЛУБИНОЙ ПРЕДЫСТОРИИ ОБРАЗЦА»!

О «ВРЕМЕННОЙ ГЛУБИНЕ ПРЕДЫСТОРИИ ОБРАЗЦА» фактически и идёт речь в этой статье, а самообучаемость – это, грубо говоря, не элементарная память, а функциональная. Функциональная память у компьютеров, как писал в статье «Компьютерный вирус» уже проявляется, с одной стороны из-за присущих нано-транзисторам перечисленных нано-свойств (не учитываемых ранее создателями), с другой стороны, за счёт тоже не учитываемого ранее взаимодействия между транзисторами и локального, и глобального (что проявляется в суперкомпьютерах). В данной работе, что очень важно, обращено внимание на специфику поведения нано-объекта и сделана попытка «управлять» этой спецификой – усилить её влияние.

Станислав Ордин.