Автор: 
Исследователи из Массачусетского технологического института разработали программируемые транзисторы, работающие в 10 тысяч раз быстрее синапсов головного мозга. Технология, используемая для аналогового машинного обучения, обеспечивает не только высокую скорость обработки данных, но и хорошую энергоэффективность. Исследование опубликовано в журнале Science.
Рабочий механизм устройства заключается в электрохимическом внедрении мельчайшего иона, протона, в изолирующий оксид для модуляции его электронной проводимости, объясняют авторы работы. Учёные использовали мощное электрическое поле для того, чтобы ускорить протоны и перевести ионные транзисторы в наносекундный режим работы.
Исследователи отмечают, что секрет новых устройств в использовании неорганического фосфорсиликатного стекла. Оно обеспечивает сверхбыстрое движение протонов, поскольку содержит множество пор нанометрового размера, поверхности которых обеспечивают пути для диффузии элементарных частиц. Оно также может выдерживать очень сильные импульсные электрические поля.
«Потенциал действия в биологических клетках возрастает и падает с временной шкалой в миллисекунды, поскольку разность потенциалов примерно в 0,1 вольт ограничивается стабильностью воды. В своей работе мы применяем до 10 вольт через специальную твёрдую стеклянную пленку наноразмерной толщины, которая проводит протоны, не повреждая её. И чем сильнее поле, тем быстрее работают ионные устройства», — говорит Ю Ли, профессор Массачусетского технологического института и соавтор работы.
В человеческом мозгу обучение происходит за счёт усиления и ослабления связей между синапсами. Глубокие нейронные сети используют аналогичную стратегию, когда веса узлов (нейронов) программируются с помощью обучающих алгоритмов. При использовании процессоров увеличение и уменьшение электрической проводимости протонных резисторов обеспечивает аналоговое машинное обучение.
Проводимость контролируется движением протонов. Чтобы увеличить проводимость, больше протонов выталкивается в канал в резисторе, а для уменьшения проводимости протоны выводятся. Это достигается с помощью электролита (похожего на аккумулятор), который проводит протоны, но блокирует электроны. Увеличение скорости движения протонов существенно ускоряет процесс машинного обучения.
