Нейроморфные вычисления на мемристорах
В статье, опубликованной в журнале Nano, исследователи изучили роль мемристоров в нейроморфных вычислениях. Этот новый фундаментальный электронный компонент позволяет воспроизводить бионейронные системы с низкой стоимостью и энергопотреблением.
Современные вычислительные системы не могут справиться с критическими проблемами уменьшения размера и скорости вычислений в эпоху больших данных. Узкое место фон Неймана считается препятствием для передачи данных по шине, соединяющей процессор и ячейку памяти. Это создаёт возможность для разработки альтернативных архитектур на основе биологической модели нейрона. Нейроморфные вычисления — одна из таких альтернативных архитектур, имитирующих нейробиологические архитектуры мозга.
Нейронная система мозга человека состоит примерно из 100 миллиардов нейронов и множества синаптических связей. Поэтому для построения нейронной сети, имитирующей человеческий мозг, необходим эффективный элемент схемы. Разработка базового электронного компонента — мемристора — с такими отличительными особенностями, как масштабируемость, обработка данных в памяти и совместимость с CMOS, значительно облегчила аппаратную реализацию нейронных сетей.
Мемристор был представлен как «резистор с памятью», где история приложенных входных сигналов изменяет состояние сопротивления устройства. Это способный электронный компонент, который может запоминать ток, чтобы эффективно уменьшить размер устройства и увеличить скорость обработки в нейронных сетях. Параллельные вычисления, как в человеческой нервной системе, осуществляются с помощью мемристорных устройств в новой вычислительной архитектуре.
Нестабильность и неопределённость системы описаны как текущие проблемы для большинства приложений на основе памяти. Это противоположно биологическому процессу. Несмотря на шум, нелинейность, вариативность и нестабильность, биологические системы работают хорошо. Однако до сих пор неясно, действительно ли эффективность биологических систем зависит от этих препятствий. Нейромоделирование иногда избегают, потому что его нелегко моделировать и изучать. Возможность использования этих свойств, безусловно, является критическим путём к успеху в создании искусственных и биологических систем.