Китайская команда создала чип, вдохновлённый архитектурой мозга.
Учёные из Фуданьского университета представили устройство , которое имитирует работу биологических нейронов и может лечь в основу нового поколения энергоэффективных вычислительных систем. Разработка основана на ультратонком полупроводниковом материале — дисульфиде молибдена (MoS₂) — и сочетает в себе динамическую оперативную память (DRAM) и специальные электронные цепи.
Интерес к так называемым нейроморфным вычислениям растёт вместе с развитием искусственного интеллекта. В отличие от традиционных чипов, такие системы стремятся воспроизводить архитектуру и работу мозга: искусственные нейроны образуют связи, которые со временем могут усиливаться или ослабевать. Этот процесс напоминает синаптическую пластичность — способность мозга адаптироваться под воздействием опыта и обучения. Благодаря этому подходу алгоритмы машинного обучения можно запускать быстрее и при этом потреблять меньше энергии.
Созданный в Китае искусственный нейрон состоит из двух ключевых элементов: DRAM, где электрический заряд хранится в крошечных конденсаторах, и инверторной схемы, которая меняет высокий сигнал на низкий и наоборот. Такое сочетание позволяет воспроизводить «выстрелы» электрических импульсов, схожие с теми, что возникают в живых нейронах при их активации.
Учёные отмечают, что их устройство может не только эмулировать работу нейронных мембран, но и подстраивать чувствительность к свету, подобно зрительной системе человека. Для демонстрации возможностей исследователи собрали массив из девяти искусственных нейронов в виде сетки 3×3 и проверили, как он реагирует на изменения освещённости. Затем ту же систему применили для распознавания изображений в тестовой модели.
Результаты оказались многообещающими: искусственный нейрон показал высокую энергоэффективность и способность адаптироваться к условиям, что особенно важно для задач компьютерного зрения и обработки изображений. В будущем команда планирует создавать более сложные биовдохновлённые системы на основе новой технологии и проверять их в других областях вычислений.