- 27,609
- 46
- 8 Ноя 2022
Этот материал думает по принципу нервной клетки — и обучают его не кодом, а светом.
Учёные из Университета Сонгюнгван в Южной Корее создали оптоэлектронный синаптический элемент, который реагирует на свет и повторяет отдельные функции нейронов и синапсов . Разработка рассчитана на нейроморфные системы - электронику, которая не просто получает изображение с камеры, а обрабатывает визуальные сигналы ближе к тому, как с ними работает нервная система.
Работой руководил профессор Тхэсон Ким из Школы машиностроения Университета Сонгюнгван. В основе устройства лежит ван-дер-ваальсов кристалл. Так называют слоистый материал, где атомные слои держатся друг за друга сравнительно слабыми межслоевыми силами. Такая структура удобна для тонкой электроники и оптических устройств: материал можно делать почти атомарной толщины, сохраняя сильный отклик на свет.
Интерес к таким элементам связан с задачами зрительного ИИ. Роботы, автономные машины, датчики и промышленные системы постоянно получают большие потоки изображений. В обычной схеме сигнал с камеры сначала уходит в память и процессор, а уже потом обрабатывается. Нейроморфный подход сокращает этот путь: чувствительный элемент сам меняет состояние под действием света и может одновременно работать как сенсор, память и часть вычислительной схемы.
Оптоэлектронный синапс работает по похожей логике. В биологической нервной системе синапсы меняют силу связи между нейронами . За счёт этого мозг учится, запоминает повторяющиеся сигналы и перестраивает реакции. В электронном устройстве роль силы связи играет проводимость. Световой импульс меняет проводимость материала, а накопленное состояние показывает, как устройство сохранило предыдущие воздействия.
Слоистые ван-дер-ваальсовы материалы давно рассматривают как основу для таких систем из-за малой толщины и хороших оптических свойств. Но у привычных образцов хватает технологических проблем. Границы между зёрнами трудно задавать с высокой точностью, внедрение атомов и ионов между слоями часто идёт неоднородно, после обработки могут оставаться полимерные загрязнения, а на интерфейсах появляются изгибы и дефекты. При переходе к большим площадям добавляется ещё одна сложность: кристаллическая структура получается недостаточно равномерной.
Команда Университета Сонгюнгван использовала сходство между слоистой решёткой ван-дер-ваальсова материала и светочувствительными ионными каналами в мембранах нервных клеток. В живой клетке такие каналы управляют движением заряженных частиц через мембрану и влияют на передачу сигнала. Исследователи попытались перенести этот принцип в твёрдый материал: не дать ионам двигаться случайно, а направить их через заранее заданную структуру.
Для этого учёные взяли объёмный ван-дер-ваальсов материал ReSe₂, диселенид рения, и обработали его плазмой из аргона и сероводорода Ar + H₂S. Одностадийное сульфидирование изменило только верхнюю часть кристалла. На поверхности появился нанокристаллический слой с мелкими зёрнами, а нижняя часть сохранила монокристаллическую структуру. Исследователям не пришлось добавлять отдельное осаждение или формировать рисунок дополнительной литографией.
В результате получилась двухслойная структура. Верхний нанокристаллический слой работает как аналог светочувствительных ионных каналов в клеточной мембране. Нижний монокристаллический слой играет роль стабильной внутренней среды. Такое устройство помогает управлять переносом ионов серы S²⁻ через границы зёрен и при этом не разрушать межслоевые интерфейсы материала.
Движение ионов проверили с помощью сканирующей зондовой микроскопии. Этот метод позволяет изучать поверхность и локальные свойства материала на очень малых масштабах. В опытах границы зёрен в нанокристаллическом слое ограничивали пути миграции ионов серы на атомном уровне. Благодаря этому устройство могло предсказуемо менять синаптический вес - параметр, который в нейроморфной электронике показывает, насколько сильно один элемент влияет на другой.
Устройство воспроизвело несколько свойств биологических синапсов. Проводимость менялась по нескольким уровням, что позволяет хранить не один бит, а более гибкое состояние. Исследователи показали долговременное усиление и долговременное ослабление связи, известные как LTP и LTD. В нейронауке эти процессы связывают с обучением: повторяющийся сигнал может укреплять связь между нейронами, а отсутствие нужной активности постепенно ослабляет её.
Также устройство продемонстрировало парно-импульсное облегчение (PPF). При таком эффекте второй сигнал, пришедший вскоре после первого, вызывает более сильный отклик. Для нервной системы это один из механизмов кратковременной пластичности. В электронном аналоге PPF помогает учитывать недавнюю историю освещения и обрабатывать последовательности сигналов.
Отдельно команда показала настраиваемый переход от кратковременной памяти к долговременной. Кратковременное состояние быстро исчезает, если стимул не повторяется. Долговременное удерживается дольше и подходит для обучения. Для устройств зрительного ИИ такая функция важна: система должна отличать случайную вспышку или шум от повторяющегося признака, который нужно сохранить.
В циклах обучение - забывание - повторное обучение нанокристаллическое устройство на ReSe₂ показало удержание на 34,7% выше по сравнению с объёмным ReSe₂. Этот показатель говорит о более управляемой памяти: структура с нанозёрнами лучше сохраняла результат предыдущих воздействий и эффективнее восстанавливала его при повторном обучении.
Проверка на уровне системы тоже дала заметные результаты. Устройство применили для выделения границ на естественных изображениях. Такая операция помогает отделять контуры объектов от фона и служит базовым шагом во многих задачах машинного зрения . Затем систему испытали на наборе CIFAR-10, где алгоритмы распознают изображения десяти классов, включая самолёты, автомобили, птиц, кошек, собак и корабли. В этой задаче точность классификации достигла 96,24%.
Итак, одностадийная плазменная обработка сформировала управляемый верхний слой, сохранила нижний кристалл и направила ионную миграцию через границы зёрен. Для нейроморфных полупроводников это важно: случайное движение ионов мешает стабильной работе и делает поведение устройства плохо предсказуемым.
Пока это только исследование, готовых чипов для дата-центров или роботов еще нет. Но работа показывает, как можно проектировать материал под конкретную функцию, а не просто подбирать его из готовых вариантов. Если такие оптоэлектронные синапсы удастся масштабировать и встроить в массивы, зрительные ИИ-системы смогут обрабатывать часть сигнала прямо в чувствительном слое и меньше передавать данные между сенсором, памятью и процессором.
Учёные из Университета Сонгюнгван в Южной Корее создали оптоэлектронный синаптический элемент, который реагирует на свет и повторяет отдельные функции нейронов и синапсов . Разработка рассчитана на нейроморфные системы - электронику, которая не просто получает изображение с камеры, а обрабатывает визуальные сигналы ближе к тому, как с ними работает нервная система.
Работой руководил профессор Тхэсон Ким из Школы машиностроения Университета Сонгюнгван. В основе устройства лежит ван-дер-ваальсов кристалл. Так называют слоистый материал, где атомные слои держатся друг за друга сравнительно слабыми межслоевыми силами. Такая структура удобна для тонкой электроники и оптических устройств: материал можно делать почти атомарной толщины, сохраняя сильный отклик на свет.
Интерес к таким элементам связан с задачами зрительного ИИ. Роботы, автономные машины, датчики и промышленные системы постоянно получают большие потоки изображений. В обычной схеме сигнал с камеры сначала уходит в память и процессор, а уже потом обрабатывается. Нейроморфный подход сокращает этот путь: чувствительный элемент сам меняет состояние под действием света и может одновременно работать как сенсор, память и часть вычислительной схемы.
Оптоэлектронный синапс работает по похожей логике. В биологической нервной системе синапсы меняют силу связи между нейронами . За счёт этого мозг учится, запоминает повторяющиеся сигналы и перестраивает реакции. В электронном устройстве роль силы связи играет проводимость. Световой импульс меняет проводимость материала, а накопленное состояние показывает, как устройство сохранило предыдущие воздействия.
Слоистые ван-дер-ваальсовы материалы давно рассматривают как основу для таких систем из-за малой толщины и хороших оптических свойств. Но у привычных образцов хватает технологических проблем. Границы между зёрнами трудно задавать с высокой точностью, внедрение атомов и ионов между слоями часто идёт неоднородно, после обработки могут оставаться полимерные загрязнения, а на интерфейсах появляются изгибы и дефекты. При переходе к большим площадям добавляется ещё одна сложность: кристаллическая структура получается недостаточно равномерной.
Команда Университета Сонгюнгван использовала сходство между слоистой решёткой ван-дер-ваальсова материала и светочувствительными ионными каналами в мембранах нервных клеток. В живой клетке такие каналы управляют движением заряженных частиц через мембрану и влияют на передачу сигнала. Исследователи попытались перенести этот принцип в твёрдый материал: не дать ионам двигаться случайно, а направить их через заранее заданную структуру.
Для этого учёные взяли объёмный ван-дер-ваальсов материал ReSe₂, диселенид рения, и обработали его плазмой из аргона и сероводорода Ar + H₂S. Одностадийное сульфидирование изменило только верхнюю часть кристалла. На поверхности появился нанокристаллический слой с мелкими зёрнами, а нижняя часть сохранила монокристаллическую структуру. Исследователям не пришлось добавлять отдельное осаждение или формировать рисунок дополнительной литографией.
В результате получилась двухслойная структура. Верхний нанокристаллический слой работает как аналог светочувствительных ионных каналов в клеточной мембране. Нижний монокристаллический слой играет роль стабильной внутренней среды. Такое устройство помогает управлять переносом ионов серы S²⁻ через границы зёрен и при этом не разрушать межслоевые интерфейсы материала.
Движение ионов проверили с помощью сканирующей зондовой микроскопии. Этот метод позволяет изучать поверхность и локальные свойства материала на очень малых масштабах. В опытах границы зёрен в нанокристаллическом слое ограничивали пути миграции ионов серы на атомном уровне. Благодаря этому устройство могло предсказуемо менять синаптический вес - параметр, который в нейроморфной электронике показывает, насколько сильно один элемент влияет на другой.
Устройство воспроизвело несколько свойств биологических синапсов. Проводимость менялась по нескольким уровням, что позволяет хранить не один бит, а более гибкое состояние. Исследователи показали долговременное усиление и долговременное ослабление связи, известные как LTP и LTD. В нейронауке эти процессы связывают с обучением: повторяющийся сигнал может укреплять связь между нейронами, а отсутствие нужной активности постепенно ослабляет её.
Также устройство продемонстрировало парно-импульсное облегчение (PPF). При таком эффекте второй сигнал, пришедший вскоре после первого, вызывает более сильный отклик. Для нервной системы это один из механизмов кратковременной пластичности. В электронном аналоге PPF помогает учитывать недавнюю историю освещения и обрабатывать последовательности сигналов.
Отдельно команда показала настраиваемый переход от кратковременной памяти к долговременной. Кратковременное состояние быстро исчезает, если стимул не повторяется. Долговременное удерживается дольше и подходит для обучения. Для устройств зрительного ИИ такая функция важна: система должна отличать случайную вспышку или шум от повторяющегося признака, который нужно сохранить.
В циклах обучение - забывание - повторное обучение нанокристаллическое устройство на ReSe₂ показало удержание на 34,7% выше по сравнению с объёмным ReSe₂. Этот показатель говорит о более управляемой памяти: структура с нанозёрнами лучше сохраняла результат предыдущих воздействий и эффективнее восстанавливала его при повторном обучении.
Проверка на уровне системы тоже дала заметные результаты. Устройство применили для выделения границ на естественных изображениях. Такая операция помогает отделять контуры объектов от фона и служит базовым шагом во многих задачах машинного зрения . Затем систему испытали на наборе CIFAR-10, где алгоритмы распознают изображения десяти классов, включая самолёты, автомобили, птиц, кошек, собак и корабли. В этой задаче точность классификации достигла 96,24%.
Итак, одностадийная плазменная обработка сформировала управляемый верхний слой, сохранила нижний кристалл и направила ионную миграцию через границы зёрен. Для нейроморфных полупроводников это важно: случайное движение ионов мешает стабильной работе и делает поведение устройства плохо предсказуемым.
Пока это только исследование, готовых чипов для дата-центров или роботов еще нет. Но работа показывает, как можно проектировать материал под конкретную функцию, а не просто подбирать его из готовых вариантов. Если такие оптоэлектронные синапсы удастся масштабировать и встроить в массивы, зрительные ИИ-системы смогут обрабатывать часть сигнала прямо в чувствительном слое и меньше передавать данные между сенсором, памятью и процессором.
- Источник новости
- www.securitylab.ru
