Assim como suas contrapartes biológicas, hardware que imita o circuito neural do cérebro requer blocos de construção que podem ajustar como eles fazem sinapses, com algumas conexões se fortalecendo às custas de outras. Uma dessas abordagens, chamados memristors, usa a resistência atual para armazenar esta informação. Um novo trabalho busca superar os problemas de confiabilidade nesses dispositivos, escalando os memristores para o nível atômico.

Um grupo de pesquisadores demonstrou um novo tipo de sinapse composta que pode alcançar a programação de peso sináptica e conduzir a multiplicação de vetor-matriz com avanços significativos sobre o estado da arte atual. Publicando seu trabalho no Journal of Applied Physics , a sinapse composta do grupo é construída com memristores de nitreto de boro atomicamente finos funcionando em paralelo para garantir eficiência e precisão.

O artigo aparece em uma seção de tópico especial da revista dedicada a "Nova Física e Materiais para Computação Neuromórfica, "que destaca novos desenvolvimentos na pesquisa científica física e de materiais que prometem desenvolver em grande escala, sistemas integrados "neuromórficos" de amanhã que levarão a computação além das limitações dos semicondutores atuais.

"Há muito interesse em usar novos tipos de materiais para memristores, "disse Ivan Sanchez Esqueda, um autor no papel. "O que estamos mostrando é que dispositivos filamentares podem funcionar bem para aplicativos de computação neuromórfica, quando construído de novas maneiras inteligentes. "

A tecnologia de memristor atual sofre de uma grande variação na forma como os sinais são armazenados e lidos nos dispositivos, tanto para diferentes tipos de memristor quanto para diferentes execuções do mesmo memristor. Para superar isso, os pesquisadores executaram vários memristors em paralelo. A saída combinada pode atingir precisões até cinco vezes maiores que os dispositivos convencionais, uma vantagem que os compostos à medida que os dispositivos se tornam mais complexos.

A escolha de ir para o nível do subnanômetro, Sanchez disse, nasceu do interesse de manter todos esses memristores paralelos com eficiência energética. Uma série de memristores do grupo foram encontrados em 10, 000 vezes mais eficiência energética do que os memristores atualmente disponíveis.

“Acontece que se você começar a aumentar o número de dispositivos em paralelo, você pode ver grandes benefícios na precisão enquanto ainda conserva energia, "Sanchez disse. Sanchez disse que a próxima equipe procura demonstrar ainda mais o potencial das sinapses compostas, demonstrando seu uso na conclusão de tarefas cada vez mais complexas, como imagem e reconhecimento de padrões.