Самообучающийся транзистор работает на основе синапсов мозга

Человеческий мозг очень сложный механизм, полностью имитировать работу которого ученым до сих пор так и не удалось. Но ученые из Гарвардской школы инженерных и прикладных наук немного приблизились к решению данной задачи. Они создали новый тип транзисторов, которые могут имитировать синапсы мозга.

Синапс – место соединения между двумя нейронами в человеческом мозгу. Каждый нейрон образует собой единую параллельную систему, способную адаптироваться к стимуляции, путем усиления и ослабления связей, и таким образом обучаться. Благодаря способности нейронов обучаться, мозг человека способен выполнять различные вычислительные процессы. Новый вид транзисторов как раз модулирует поток информации в цепи и физически адаптируется к изменяющимся сигналам, сообщает extremetech.com.

Сам транзистор состоит из полупроводника из никелата самария, зажатого между двумя платиновыми электродами, прилегающими к небольшому резервуару ионной жидкости. Временные задержки между проходящими сигналами преобразуются здесь в приложенное к ионной жидкости напряжение, которое либо посылает ионы к полупроводнику, либо забирает их оттуда, изменяя таким образом память всего транзистора.

Транзистор реагирует на частоту сигналов, проходящих через него. При высокой частоте он легче пропускает эти сигналы, при низкой – блокирует. Если создать систему из миллионов нейронов, то основное потребление энергии придется на те, которые чаще всего задействуются в работе, остальные же будут довольствоваться только «фоновой» энергией ожидания.

Одной из основных целей создания синоптических транзисторов было желание создать основу для энергоэффективной электроники. Со стремительным развитием электронной вычислительной техники увеличивается и ее энергопотребление. За счет своей обучаемости новое изобретение призвано значительно снизить количество необходимой энергии для вычислений.

Возможно, в будущем такие транзисторы можно будет применять для создания искусственного интеллекта с большим количеством нейронов. Но сами разработчики пока стараются не обсуждать эту тему, а концентрируются на более практичной задаче – создании новых электронных приборов и новых материалов с нестандартными свойствами