Сотрудники Стэнфордского университета (США) создали функциональную модель синапса на основе материала с лёгким изменением фазового состояния.

Мозг человека по многим параметрам — надёжности работы, гибкости структуры, устойчивости к ошибкам — превосходит современные вычислительные системы. Кроме того, он куда более экономно расходует энергию: на моделирование пяти секунд его деятельности на суперкомпьютере, к примеру, уходит уже 500 с и 1,4 МВт.

Структурными элементами мозга, как известно, служат нейроны, количество которых у человека приближается к ста миллиардам. Соединение нейронов друг с другом обеспечивают синапсы, отвечающие за параллелизм и гибкость нашей вычислительной «схемы». Уникальной характеристикой последних считается пластичность, зависящая от момента времени импульса (spike-timing dependent plasticity), или способность нервных клеток изменять эффективность связи. Выполненные в ХХ веке эксперименты показали, что сила («вес») синапса зависит от порядка следования пре- и постсинаптических импульсов, а также от интервала времени между ними. Если приходящий пресинаптический импульс периодически предшествует постсинаптическому в пределах некоторого временнóго окна, то сила синапса возрастает (происходит потенциация), а в обратном случае наблюдается депрессия — уменьшение «веса» синапса.

Число синапсов в мозге человека оценивается в 10¹⁵. Очевидно, что электронная модель синапса должна быть максимально простой, но добиться этого в рамках привычной КМОП-технологии не получается: на создание одного устройства уходит около 20 транзисторов, которые занимают значительную площадь.

Рис. 1. Схема связи нейронов в мозге человека и модель синапсов, построенная на базе GST (иллюстрация из журнала Nano Letters).

Материалы с лёгким изменением фазового состояния, которые привлекли внимание авторов новой работы, чаще всего используются при конструировании элементов памяти. Значения «0» и «1» в этом случае кодируются разными уровнями сопротивления, между которыми можно переключаться, подавая электрические импульсы, нагревающие материал и вызывающие фазовое превращение. Высокое сопротивление соответствует аморфному состоянию, а низкое — кристаллическому.

В своих опытах американцы задействовали давно известное халькогенидное стекло Ge₂Sb₂Te₅ (GST), применяемое для создания рабочего слоя перезаписываемых DVD-дисков. Слой GST разместили между двумя электродами, выполненными из нитрида титана TiN, причём нижний был сделан тонким и вытянутым в длину.

Рис. 2. Одиночный искусственный синапс. a-GST и c-GST — халькогенидное стекло в аморфном и кристаллическом состояниях. (Иллюстрация из журнала Nano Letters).

Для моделирования синапса, сила которого регулируется плавно, двух выделенных уровней сопротивления явно недостаточно, и учёным пришлось разрабатывать оригинальную схему подачи импульсов напряжения, чтобы получить возможность постепенно варьировать параметры GST. Экспериментируя, они добились того, что сопротивление в аморфном и кристаллическом состоянии отличалось на порядок, а шаг изменения оказался совсем небольшим (весь процесс перехода можно было разбить сразу на 100 этапов). Последующие опыты убедительно доказали, что схема на базе GST при подаче искусственных пре- и постсинаптических импульсов на верхний и нижний электроды вполне адекватно воспроизводит действие синапса и позволяет вывести уже установленное биологами правило изменения его «веса».

Энергию, расходуемую на перевод устройства в состояние с высоким сопротивлением, исследователи оценили в ~50 пДж, а энергию, необходимую для перевода GST в кристаллическое состояние, — в 0,675 пДж. По их словам, энергопотребление можно снижать и дальше, урезая диаметр нижнего электрода; если его уменьшить до 20 нм, расход должен сократиться до 2 и 0,027 пДж. КМОП-моделям такие показатели недоступны.

Стоит заметить, что материалы с лёгким изменением фазового состояния хорошо подходят и для моделирования нейронов. Доказательства этого совсем недавно представила научная группа из британского Эксетерского университета.

Полная версия работы, написанной специалистами из Стэнфорда, представлена в статье:

Duygu Kuzum, Rakesh G. D. Jeyasingh, Byoungil Lee, and H.-S. Philip Wong Nanoelectronic Programmable Synapses Based on Phase Change Materials for Brain-Inspired Computing. – Nano Letters. – DOI: 10.1021/nl201040y; Publication Date (Web): June 14, 2011.*