Нейроэлектроника — нейроморфные и нейрогибридные системы на основе мемристивной технологии

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Благодаря уникальной способности имитировать важные функции синапсов и нейронов, мемристивные устройства и массивы позволяют не только аппаратно реализовать нейронные сети, но и совершить качественный прорыв в интеграции искусственных электронных и биологических систем для решения актуальных задач искусственного интеллекта (ИИ), робототехники и медицины. Эта область исследований находится на ранней стадии своего развития и имеет прямое отношение к более общей области нейроэлектроники. Последнюю можно определить как синтез аналоговых и цифровых решений для широкого круга вычислительных задач, мотивированных биологией. Аналоговые нейроморфные системы на основе мемристивных компонентов занимают особое место в этой области и могут значительно улучшить производительность и энергоэффективность по сравнению с существующими ускорителями ИИ. Реализация нейроморфных систем на основе новой элементной базы требует скоординированных и междисциплинарных исследований. В основе соответствующего научно-технического направления лежит сквозная технология мемристивных устройств и схем, обеспечивающая создание элементной базы новых мозгоподобных информационно-вычислительных систем с широким спектром применений. Продемонстрированные на данный момент перспективы связаны с монолитной интеграцией мемристивных устройств со схемами КМОП (комплементарная структура металл–оксид–полупроводник), а также совместной оптимизацией материалов, устройств и архитектур, необходимых для создания демонстрационных прототипов информационно-вычислительных систем. Такие системы имитируют вычислительные функции биологических нейронных сетей, способных решать когнитивные задачи, которые, как известно, либо не поддаются решению с помощью традиционного ИИ, либо требуют очень много временных ресурсов. Кроме того, нейроэлектронные решения могут быть интегрированы с мозгом или живыми культурами нейронов для формирования нейрогибридных систем. В настоящем докладе обсуждаются два различных подхода к взаимодействию мемристивных систем и биологических нейронных сетей in vitro и in vivo, основанных на персептроне с матрицей программируемых мемристивных весов, которые представлены устройствами с резистивным переключением на основе оксидов металлов или на основе мемристивной стохастической пластичности и нейронной синхронии в составе мозгоподобной спайковой архитектуры. Наконец, представлена концепция мемристивного нейрогибридного чипа для создания компактного многофункционального двунаправленного интерфейса биологических нейронных сетей и мемристивной электроники в сочетании с микроэлектродными и микрофлюидными решениями на одном чипе. Технологическое освоение новой элементной базы и создание мемристорных нейроэлектронных систем не только обеспечит своевременную диверсификацию аппаратного обеспечения для непрерывного развития и массового внедрения технологий искусственного интеллекта, но и позволит поставить задачи совершенно нового уровня по созданию гибридного интеллекта на основе симбиоза искусственных и биологических нейронных сетей.

Полный текст

Благодаря уникальной способности имитировать важные функции синапсов и нейронов, мемристивные устройства и массивы позволяют не только аппаратно реализовать нейронные сети, но и совершить качественный прорыв в интеграции искусственных электронных и биологических систем для решения актуальных задач искусственного интеллекта (ИИ), робототехники и медицины. Эта область исследований находится на ранней стадии своего развития и имеет прямое отношение к более общей области нейроэлектроники. Последнюю можно определить как синтез аналоговых и цифровых решений для широкого круга вычислительных задач, мотивированных биологией. Аналоговые нейроморфные системы на основе мемристивных компонентов занимают особое место в этой области и могут значительно улучшить производительность и энергоэффективность по сравнению с существующими ускорителями ИИ. Реализация нейроморфных систем на основе новой элементной базы требует скоординированных и междисциплинарных исследований. В основе соответствующего научно-технического направления лежит сквозная технология мемристивных устройств и схем, обеспечивающая создание элементной базы новых мозгоподобных информационно-вычислительных систем с широким спектром применений. Продемонстрированные на данный момент перспективы связаны с монолитной интеграцией мемристивных устройств со схемами КМОП (комплементарная структура металл–оксид–полупроводник), а также совместной оптимизацией материалов, устройств и архитектур, необходимых для создания демонстрационных прототипов информационно-вычислительных систем. Такие системы имитируют вычислительные функции биологических нейронных сетей, способных решать когнитивные задачи, которые, как известно, либо не поддаются решению с помощью традиционного ИИ, либо требуют очень много временных ресурсов. Кроме того, нейроэлектронные решения могут быть интегрированы с мозгом или живыми культурами нейронов для формирования нейрогибридных систем. В настоящем докладе обсуждаются два различных подхода к взаимодействию мемристивных систем и биологических нейронных сетей in vitro и in vivo, основанных на персептроне с матрицей программируемых мемристивных весов, которые представлены устройствами с резистивным переключением на основе оксидов металлов или на основе мемристивной стохастической пластичности и нейронной синхронии в составе мозгоподобной спайковой архитектуры. Наконец, представлена концепция мемристивного нейрогибридного чипа для создания компактного многофункционального двунаправленного интерфейса биологических нейронных сетей и мемристивной электроники в сочетании с микроэлектродными и микрофлюидными решениями на одном чипе. Технологическое освоение новой элементной базы и создание мемристорных нейроэлектронных систем не только обеспечит своевременную диверсификацию аппаратного обеспечения для непрерывного развития и массового внедрения технологий искусственного интеллекта, но и позволит поставить задачи совершенно нового уровня по созданию гибридного интеллекта на основе симбиоза искусственных и биологических нейронных сетей.

ДОПОЛНИТЕЛЬНАЯ ИНФОРМАЦИЯ

Источник финансирования. Исследование выполнено в рамках научной программы Национального центра физики и математики, направление № 9 «Искусственный интеллект и большие данные в технических, промышленных, природных и социальных системах».

Конфликт интересов. Автор декларирует отсутствие явных и потенциальных конфликтов интересов, связанных с публикацией настоящей статьи.

×

Об авторах

А. Н. Михайлов

Национальный исследовательский Нижегородский государственный университет имени Н.И. Лобачевского

Автор, ответственный за переписку.
Email: mian@nifti.unn.ru
Россия, Нижний Новгород

Список литературы

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Эко-Вектор, 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».