Memrisztorok hozhatják el az elektronikus agyat
Kisebb áttörésnek számít az amerikai kutatók eredménye, a memrisztor-alapú áramkört sikerült betűk felismerésére megtanítani, pusztán pozitív-negatív visszacsatolás alapján. A következő lépés a nagyobb méretű áramkörök elkészítése lesz.
Memrisztorokra épülő, az idegsejtek működését utánozó hálózatot mutattak be a Stony Brook és a California Santa Barbara Egyetem kutatói. Az áramkör a memrisztorokat az idegsejtek szinapszisainak áramköri variánsaként használja. Az agyműködés mintájára készült megoldás szoftveresen lemodellezett megfelelőivel már korábban is találkozhattunk, ugyanakkor ez az első, amely hardveresen, fizikai áramkörök segítségével igyekszik az agyműködést közelíteni, ez jóval hatékonyabb és nagyobb teljesítményű mesterséges neurális hálózatokat eredményezhet.
A negyedik áramköri komponens
A memrisztorok különleges áramköri elemek, amelyek negyedikként egészítik ki az ellenállás-kondenzátor-induktor triót. Az alkatrészekről először Leon Chua professzor írt 1971-ben, az első működő darab pedig nagyjából nyolc évvel ezelőtt, a HP laboratóriumaiból került ki. Lényegében olyan passzív elektromos komponensekről van szó, amelyek ellenállása nem állandó, hanem a rajta korábban átfolyt áram feszültségétől függ. A memrisztorok úgy nyerték el a "negyedik áramköri elem" címét, hogy sikerült matematikailag bebizonyítani, hogy a másik három elem (ellenállás, kondenzátor, tekercs) semmilyen kombinációjával nem reprodukálhatók.
A most bemutatott eszközök működése nagyban épít az idegsejtek és a memrisztorok közötti hasonlóságra: két idegsejt között minél több jel halad át, annál erősebb lesz a kapcsolat. Ezek alapján a memrisztorok ideális választásnak tűnnek mesterséges neurális hálózatok építéséhez, a gyártás területén ugyanakkor akadnak nehézségek: bár az idegsejtek alapvető működését modellező hagyományos áramköri elemek gyártása a jól ismert CMOS megoldásokkal történik, ezzel az eljárással csak aránylag rossz minőségű memrisztorok hozhatók létre.
Ezt a problémát ugyanakkor a Stony Brook és a California Santa Barbara Egyetem kutatói most úgy tűnik megoldották: a komponensek gyártásához jellemzően használt titán-oxid mellé alumínium-oxidot kevertek, amely az arányok hosszas próbálgatása után végül elfogadható eredményt produkált.
Miért kritikus a Patch & Asset Management a kibervédelemben? (x) Az adatszivárgások jelentős része megakadályozható lenne, ha a szervezetek időben telepítenék a szoftverfrissítéseket.
A neurális hálózatokat, amelyekbe az így kapott memrisztorokat építették, jórészt hagyományos áramköri komponensek alkotják, a tökéletesített gyártástechnológiával készült elemek a rácsszerűen kialakított, 12x12-es hálózat találkozási pontjainál helyezkednek el. Miután a kísérletben egy kis méretű hálózattal dolgoztak, így annak teljesítménye is korlátozott volt - a kutatók ugyanakkor sikerrel "tanították meg" a neurális hálót a V, N és Z betűk felismerésére, amely feladatot az eszköz minden próbálkozás után hatékonyabban végzett el.
A hasonló megoldások komoly hatással lehetnek a számítástechnika jövőjére, ehhez azonban, ahogy az Ars Technica által idézett Robert Legenstein professzor fogalmaz, a technológia megfelelő méretű felskálázására is szükség van, jelenleg ugyanis csak egészen apró rácsok készíthetőek a rendelkezésre álló eljárásokkal.