p Uma equipe de cientistas do Instituto de Física e Tecnologia de Moscou (MIPT) criou protótipos de "sinapses eletrônicas" com base em filmes ultrafinos de óxido de háfnio (HfO ₂ ) Esses protótipos podem ser usados ​​em sistemas de computação fundamentalmente novos. O artigo foi publicado na revista Cartas de pesquisa em nanoescala . p O grupo de pesquisadores do MIPT fez HfO ₂ com base em memristores medindo apenas 40x40 nm ² . As nanoestruturas que eles construíram exibem propriedades semelhantes às sinapses biológicas. Usando tecnologia recentemente desenvolvida, os memristores foram integrados em matrizes - no futuro, esta tecnologia pode ser usada para projetar computadores que funcionam de forma semelhante às redes neurais biológicas.

p Memristores (resistores com memória) são dispositivos que podem mudar seu estado (condutividade) dependendo da carga que passa por eles, e, portanto, eles têm uma memória de sua "história". Neste estudo, os cientistas usaram dispositivos baseados em óxido de háfnio de película fina, um material que já é utilizado na produção de processadores modernos. Isso significa que esta nova tecnologia de laboratório poderia, se necessário, facilmente ser usado em processos industriais.

p "Em uma versão mais simples, Os memristores são células de memória binárias não voláteis promissoras, nas quais as informações são gravadas mudando a resistência elétrica - de alta para baixa e vice-versa. O que estamos tentando demonstrar são funções muito mais complexas dos memristores - que eles se comportam de forma semelhante às sinapses biológicas, "disse Yury Matveyev, o autor correspondente do artigo, e pesquisador sênior do Laboratório de Materiais e Dispositivos Funcionais para Nanoeletrônica do MIPT, comentando sobre o estudo.

p Sinapses - a chave para o aprendizado e a memória

p Uma sinapse é o ponto de conexão entre os neurônios, cuja principal função é transmitir um sinal (um pico - um tipo particular de sinal, veja a fig. 2) de um neurônio para outro. Cada neurônio pode ter milhares de sinapses conectando-se a um grande número de outros neurônios. Isso significa que as informações podem ser processadas em paralelo, em vez de sequencialmente (como nos computadores modernos). Esta é a razão pela qual as redes neurais "vivas" são tão imensamente eficazes em termos de velocidade e consumo de energia na resolução de uma ampla gama de tarefas, como imagem e reconhecimento de voz.

p Hora extra, as sinapses podem mudar seu "peso", ou seja, sua capacidade de transmitir um sinal. Acredita-se que essa propriedade seja a chave para a compreensão das funções de aprendizagem e memória do cérebro.

p Do ponto de vista físico, "memória" sináptica e "aprendizagem" no cérebro podem ser interpretadas da seguinte forma:A conexão neural possui uma certa "condutividade, "que é determinado pela" história "anterior de sinais que passaram pela conexão. Se uma sinapse transmitir um sinal de um neurônio para outro, podemos dizer que tem alta "condutividade, "e se não, dizemos que tem baixa "condutividade". Contudo, as sinapses não funcionam simplesmente no modo ligado / desligado; eles podem ter qualquer "peso" intermediário (valor de condutividade intermediário). De acordo, se quisermos simulá-los usando certos dispositivos, esses dispositivos também deverão ter características análogas.

p O memristor como um análogo da sinapse

p Como em uma sinapse biológica, o valor da condutividade elétrica de um memristor é o resultado de sua "vida" prévia desde o momento em que foi feito.

p Existem vários efeitos físicos que podem ser explorados para projetar memristores. Neste estudo, os autores usaram dispositivos baseados em óxido de háfnio de filme ultrafino, que exibem o efeito de falha elétrica suave (reversível) sob um campo elétrico externo aplicado. Mais frequente, esses dispositivos usam apenas dois estados diferentes de codificação lógica zero e um. Contudo, a fim de simular sinapses biológicas, um espectro contínuo de condutividades teve que ser usado nos dispositivos.

p "O mecanismo físico detalhado por trás da função dos memristores em questão ainda é debatido. No entanto, o modelo qualitativo é o seguinte:na estrutura metal-óxido ultrafino-metal, defeitos pontuais carregados, como espaços vazios de átomos de oxigênio, são formados e se movem na camada de óxido quando expostos a um campo elétrico. São esses defeitos os responsáveis ​​pela mudança reversível na condutividade da camada de óxido, "diz o co-autor do artigo e pesquisador do Laboratório de Materiais e Dispositivos Funcionais para Nanoeletrônica do MIPT, Sergey Zakharchenko.

p Os autores usaram os memristores "analógicos" recentemente desenvolvidos para modelar vários mecanismos de aprendizagem ("plasticidade") de sinapses biológicas. Em particular, isso envolveu funções como potenciação de longo prazo (LTP) ou depressão de longo prazo (LTD) de uma conexão entre dois neurônios. É geralmente aceito que essas funções são os mecanismos subjacentes da memória no cérebro.

p Os autores também conseguiram demonstrar um mecanismo mais complexo - plasticidade dependente do tempo de pico, ou seja, a dependência do valor da conexão entre os neurônios no tempo relativo necessário para que sejam "acionados". Já havia sido demonstrado que esse mecanismo é responsável pelo aprendizado associativo - a habilidade do cérebro de encontrar conexões entre diferentes eventos.

p Para demonstrar essa função em seus dispositivos de memristor, os autores propositadamente usaram um sinal elétrico que reproduziu, o mais longe possível, os sinais em neurônios vivos, e eles obtiveram uma dependência muito semelhante àquelas observadas nas sinapses vivas (ver fig. 3).

p Esses resultados permitiram aos autores confirmar que os elementos que desenvolveram podem ser considerados um protótipo da "sinapse eletrônica, "que poderia ser usado como base para a implementação de redes neurais artificiais em hardware.

p "Criamos uma matriz de base de memristores em nanoescala que demonstra as propriedades das sinapses biológicas. Graças a essa pesquisa, agora estamos um passo mais perto de construir uma rede neural artificial. Pode ser apenas a mais simples das redes, mas, no entanto, é um protótipo de hardware, "disse o chefe do Laboratório de Materiais e Dispositivos Funcionais para Nanoeletrônica do MIPT, Andrey Zenkevich.