Une équipe de scientifiques de l'Institut de physique et de technologie de Moscou (MIPT) a créé des prototypes de "synapses électroniques" à base de films ultra-minces d'oxyde d'hafnium (HfO 2 ). Ces prototypes pourraient être utilisés dans des systèmes informatiques fondamentalement nouveaux. L'article a été publié dans la revue Lettres de recherche à l'échelle nanométrique .

Le groupe de chercheurs du MIPT a réalisé HfO 2 -Memristors mesurant seulement 40x40 nm ² . Les nanostructures qu'ils ont construites présentent des propriétés similaires aux synapses biologiques. En utilisant une technologie nouvellement développée, les memristors ont été intégrés dans des matrices - à l'avenir, cette technologie peut être utilisée pour concevoir des ordinateurs qui fonctionnent de manière similaire aux réseaux de neurones biologiques.

Les memristors (résistances à mémoire) sont des dispositifs capables de changer d'état (conductivité) en fonction de la charge qui les traverse, et ils ont donc une mémoire de leur « histoire ». Dans cette étude, les scientifiques ont utilisé des dispositifs à base d'oxyde d'hafnium en couche mince, un matériau qui est déjà utilisé dans la production de processeurs modernes. Cela signifie que cette nouvelle technologie de laboratoire pourrait, si nécessaire, facilement être utilisé dans les processus industriels.

"Dans une version plus simple, Les memristors sont des cellules de mémoire non volatiles binaires prometteuses dans lesquelles les informations sont écrites en commutant la résistance électrique - de haute à basse et inversement. Ce que nous essayons de démontrer, ce sont des fonctions beaucoup plus complexes des memristors - qu'ils se comportent de la même manière que les synapses biologiques, " a déclaré Yury Matveyev, l'auteur correspondant de l'article, et chercheur senior du Laboratoire des matériaux et dispositifs fonctionnels pour la nanoélectronique du MIPT, commenter l'étude.

Synapses – la clé de l'apprentissage et de la mémoire

Une synapse est un point de connexion entre les neurones, dont la fonction principale est de transmettre un signal (un pic - un type particulier de signal, voir fig. 2) d'un neurone à un autre. Chaque neurone peut avoir des milliers de synapses se connectant à un grand nombre d'autres neurones. Cela signifie que les informations peuvent être traitées en parallèle, plutôt que séquentiellement (comme dans les ordinateurs modernes). C'est la raison pour laquelle les réseaux de neurones « vivants » sont si immensément efficaces en termes de vitesse et de consommation d'énergie pour résoudre un large éventail de tâches, comme la reconnaissance d'image et la reconnaissance vocale.

Heures supplémentaires, les synapses peuvent changer leur "poids", c'est-à-dire leur capacité à transmettre un signal. Cette propriété est considérée comme la clé pour comprendre les fonctions d'apprentissage et de mémoire du cerveau.

Du point de vue physique, La « mémoire » et « l'apprentissage » synaptiques dans le cerveau peuvent être interprétés comme suit :la connexion neuronale possède une certaine « conductivité, " qui est déterminé par "l'historique" précédent des signaux qui ont traversé la connexion. Si une synapse transmet un signal d'un neurone à un autre, on peut dire qu'il a une haute "conductivité, " et si ce n'est pas le cas, nous disons qu'il a une faible "conductivité". Cependant, les synapses ne fonctionnent pas simplement en mode marche/arrêt; ils peuvent avoir n'importe quel "poids" intermédiaire (valeur de conductivité intermédiaire). Par conséquent, si on veut les simuler à l'aide de certains appareils, ces dispositifs devront également avoir des caractéristiques analogues.

Le memristor comme analogue de la synapse

Comme dans une synapse biologique, la valeur de la conductivité électrique d'un memristor est le résultat de sa "vie" antérieure à partir du moment où il a été fabriqué.

Il existe un certain nombre d'effets physiques qui peuvent être exploités pour concevoir des memristors. Dans cette étude, les auteurs ont utilisé des dispositifs à base d'oxyde d'hafnium en couche ultrafine, qui présentent l'effet d'un claquage électrique doux (réversible) sous un champ électrique externe appliqué. Le plus souvent, ces dispositifs n'utilisent que deux états différents codant le zéro et un logique. Cependant, afin de simuler des synapses biologiques, un spectre continu de conductivités devait être utilisé dans les dispositifs.

"Le mécanisme physique détaillé derrière la fonction des memristors en question est encore débattu. Cependant, le modèle qualitatif est le suivant :dans la structure métal-oxyde ultramince-métal, défauts ponctuels chargés, comme les lacunes d'atomes d'oxygène, se forment et se déplacent dans la couche d'oxyde lorsqu'ils sont exposés à un champ électrique. Ce sont ces défauts qui sont responsables du changement réversible de la conductivité de la couche d'oxyde, " déclare le co-auteur de l'article et chercheur du Laboratoire des matériaux et dispositifs fonctionnels pour la nanoélectronique du MIPT, Sergueï Zakharchenko.

Les auteurs ont utilisé les memristors "analogiques" nouvellement développés pour modéliser divers mécanismes d'apprentissage ("plasticité") des synapses biologiques. En particulier, cela impliquait des fonctions telles que la potentialisation à long terme (LTP) ou la dépression à long terme (LTD) d'une connexion entre deux neurones. Il est généralement admis que ces fonctions sont les mécanismes sous-jacents de la mémoire dans le cerveau.

Les auteurs ont également réussi à démontrer un mécanisme plus complexe – la plasticité dépendante du moment du pic, c'est-à-dire la dépendance de la valeur de la connexion entre les neurones sur le temps relatif pris pour qu'ils soient "déclenchés". Il avait déjà été démontré que ce mécanisme est responsable de l'apprentissage associatif – la capacité du cerveau à trouver des connexions entre différents événements.

Pour démontrer cette fonction dans leurs dispositifs memristor, les auteurs ont utilisé à dessein un signal électrique qui reproduisait, le plus loin possible, les signaux dans les neurones vivants, et ils ont obtenu une dépendance très similaire à celles observées dans les synapses vivantes (voir fig. 3).

Ces résultats ont permis aux auteurs de confirmer que les éléments qu'ils avaient développés pouvaient être considérés comme un prototype de la « synapse électronique, " qui pourrait servir de base à l'implémentation matérielle de réseaux de neurones artificiels.

"Nous avons créé une matrice de base de memristors à l'échelle nanométrique démontrant les propriétés des synapses biologiques. Grâce à cette recherche, nous sommes maintenant un pas de plus vers la construction d'un réseau de neurones artificiels. Ce n'est peut-être que le plus simple des réseaux, mais c'est quand même un prototype hardware, " a déclaré le responsable du Laboratoire des matériaux et dispositifs fonctionnels pour la nanoélectronique du MIPT, Andreï Zenkevitch.