Синаптическая пластичность нейроподобных мемристивных наноструктур для аппаратной реализации вычислительных систем искусственного интеллекта

В настоящее время архитектура фон Неймана является основой современных вычислительных систем, главным принципом которой является физическое разделение процессора и памяти. При этом каждый этап обработки информации требует нескольких последовательных шагов, что накладывает временные ограничения на производительность. Данная проблема получила название «бутылочное горлышко» архитектуры фон Неймана и сильно ограничивает будущее развитие вычислительных систем. С целью преодоления данной проблемы предпринимаются попытки ввести некоторый программный параллелизм, но зачастую этого недостаточно. Одним из возможных решений данной проблемы является переход вычислительных систем от нейроморфной архитектуры к архитектуре, имитирующей биологический мозг, в котором нейроны представляют собой простые вычислительные единицы, а синапсы - локальные запоминающие устройства, соединенные перекрестными шинами данных. В такой архитектуре обработка данных распределена по всей вычислительной системе, а не сосредоточена в центральном процессоре. Процессор и память при этом интегрированы в единое устройство, этапы обработки выполняются параллельно, а не последовательно. Несмотря на то, что вычислительные системы на основе полупроводниковой технологии имеют определенные преимущества, но в некоторых аспектах, таких как отказоустойчивость, энергопотребление и обработка больших массивов данных, они значительно уступают биологическому мозгу, который эффективен в решении задач, требующих «интеллектуального» подхода: диагностика заболеваний, предсказание погодных условий, распознавание изображений/речи и т.д. Таким образом, необходимо разработать технологию, обладающую синергетическими преимуществами биологических систем и полупроводниковых материалов, и нивелирующую их недостатки. Одним из основных путей технической «реализации» биологического мозга является производство интегральных схем на основе мемристорных структур, представляющих собой элементы памяти в виде пленочных ячеек (нейронов) из оксида переходного металла, связанных между собой перекрестными синапсами данных. Данные элементы имеют небольшие геометрические размеры, высокую степень интеграции, высокую производительность и низкое энергопотребление, что позволяет имитировать массовый параллелизм и маломощные вычисления, характерные для человеческого мозга. Анализ информационных источников по проблеме создания подобных ИС показал, что перспективными являются структуры на основе бинарных оксидов металлов, в частности нанокристаллического оксида цинка (ZnO), полученного методом импульсного лазерного осаждения (ИЛО). Однако создания нейроморфных систем искусственного интеллекта на основе пленок ZnO в настоящее время все еще требует выполнения ряда задач, связанных с разработкой и созданием специализированных программно-аппаратных комплексов для исследования синаптического поведения нейроподобных мемристивных структур, изготовлением нейроподобные мемристивные структуры на основе нанокристаллических пленок, исследованием закономерностей синаптической пластичности нейроподобных мемристивных структур на основе нанокристаллических пленок, а также теоретическими исследованиями процессов синаптического обучения. Вышеперечисленные проблемы препятствуют созданию элементной базы нейроподобных мемристивных структур искусственного интеллекта, и определяют актуальность представленного проекта. Научная новизна проекта заключается в проведении теоретических и экспериментальных исследований закономерностей синаптической пластичности макета нейроподобных мемристивных структур на основе нанокристаллических пленок ZnO с использованием разработанного и изготовленного программно-аппаратного комплекса.