Человеческий мозг является одной из самых малоизученных систем во Вселенной. Он состоит из более чем ста миллиардов простых нейронов, объединенных в сеть, которая посредством триллионов синапсов передает нервные импульсы различной амплитуды и частоты. Благодаря этой колоссально сложной структуре человек способен обучаться и решать многообразные задачи с высокой скоростью. В рамках исследовательских изысканий группа инженеров Массачусетского технологического института разработала искусственный синапс, лишенный одного из ключевых недостатков современных аналогов — непредсказуемости движения ионов. Стоит отметить, что в 1906 году Нобелевская премия по медицине была присуждена Камилло Гольджи и Сантьяго Рамон-и-Кахалю за исследования структуры нервной системы и классификацию нервных клеток. Несмотря на значительные достижения ученых и врачей за последнее столетие в области изучения мозга, многие фундаментальные вопросы до сих пор остаются нерешенными.

Особенно значимыми стали открытия, сделанные в рамках проекта The Human Brain Project с использованием новейших технологических достижений в области электронной и 3D микроскопии. В мозге нейроны соединены аксонами — подобием электрических кабелей. Нервные импульсы по аксонам проходят через синапсы с помощью химических медиаторов, электрическим путём, при котором из одной клетки в другую проходят ионы, и смешанным, когда химическая передачи усиливает механизм электрической.

Учёные, работающие в сфере нейроморфных вычислений, пытаются создать компьютер, который действует схожим с мозгом человека способом. Вместо бинарных вычислений с единицами и нулями они пытаются использовать элементы, которые передают «аналоговые» сигналы с помощью различных «оттенков», как в мозге человека, где сигнал зависит от количества ионов, проходящих через синапс. Если современные вычислительные машины подходят для решения уравнений и запуска алгоритмов, то в случае с взаимодействием с окружением они не способны показать эффективность, доступную человеческому мозгу: в 2012 году Google создала нейросеть для распознавания кошек с помощью 1000 серверов и 16 тысяч ядер. Небольшие нейроморфные чипы смогут параллельно выполнять миллионы вычислений, на которые сегодня способны только суперкомпьютеры.

При создании нейроморфных чипов для симуляции синапса чаще всего используют аморфные материалы. У ионов, которые проходят через них, есть много направлений для движения. В этом и заключается сложность: из-за этого нельзя предсказать, куда именно отправится сигнал и сколько ионов потеряется по дороге.

Инженеры из Массачусетского технологического института спроектировали такой искусственный синапс, в котором смогли контролировать направление проходящего через него электрического сигнала. Вместо аморфных материалов учёные использовали монокристаллический кремний, в котором попытались создать дефект, через который ионы могли бы предсказуемо проходить. На пластину кремния нанесли микроскопический узор в виде сот. На эту пластину нанесли слой германия с аналогичным узором. Два эти материала вместе образуют «воронку», которая заставляет ионы течь по строго определённому пути.

Затем учёные проверили эффективность изобретения: через каждый синапс проходил практически одинаковый поток ионов. Разница между синапсами составляла до 4%, а при испытании одного синапса в течение 700 циклов изменения в проходящем токе составляло до 1% от цикла к циклу. По словам разработчиков, таких результатов пока не удавалось достичь в синапсах, построенных на базе аморфных материалов.

Передача импульсов между двумя нейронами. Департамент здравоохранения США

Финальным тестом для разработки стала задача по распознаванию рукописного текста. Команда учёных произвела компьютерное моделирование искусственной нейронной сети из трёх слоёв нейронов, связанных между собой двумя слоями искусственных синапсов, характеристики которых изначально были измерены с построенного ими чипа. В модель были загружены десятки тысяч образцов рукописного текста, которые обычно используют разработчики нейроморфных чипов.

Нейросеть распознала образцы в 95% случаев, немного хуже, чем 97% точность существующих программных алгоритмов. Следующая цель команды — изготовить рабочий нейроморфный чип, который смог бы повторить эксперимент, проведённый с помощью симуляции. «Мы хотим, чтобы чип размером с ноготь заменил один большой суперкомпьютер», — говорит глава команды инженеров.

Для любознательных

Искусственные синапсы — это строительные блоки нейроморфных чипов, которые пытаются имитировать работу человеческого мозга. В последние годы в мире произошёл заметный прорыв: учёные научились создавать такие элементы на базе монокристаллического кремния — материала, который десятилетиями служит основой всей микроэлектроники. Но что происходит с этими технологиями в России? Разбираемся, как устроены искусственные синапсы, зачем они нужны и какие российские разработки в этой области уже существуют.

Что такое искусственный синапс и почему важен монокристаллический кремний

Синапс в мозге — это место контакта между двумя нейронами, где сила связи может меняться со временем. Именно эта пластичность лежит в основе обучения и памяти. Искусственный синапс должен уметь примерно то же самое: менять «силу связи» в зависимости от подаваемых сигналов.

В современных разработках эту функцию часто реализуют с помощью мемристоров — устройств, сопротивление которых зависит от истории приложенного напряжения. Когда мемристор помещают в кремниевую схему, он начинает вести себя как синапс: пропускает больше или меньше тока, имитируя усиление или ослабление связи.

Почему именно монокристаллический кремний? Это материал с предсказуемыми и стабильными свойствами, который отлично интегрируется с существующей полупроводниковой технологией. Благодаря этому искусственные синапсы можно выпускать на тех же фабриках, где делают обычные процессоры, и объединять их в крупные нейроморфные чипы.

Мировые достижения: что уже сделано

За рубежом исследования идут сразу по нескольким направлениям:

• Материалы и архитектура. Учёные экспериментируют с оксидами металлов, перовскитами и другими слоями, которые формируют в кремниевой подложке. Это позволяет добиться нужной пластичности и стабильности.
• Масштабирование. Уже созданы массивы из тысяч и миллионов мемристоров, которые работают как сети искусственных синапсов.
• Энергоэффективность. Нейроморфные схемы потребляют намного меньше энергии, чем классические вычисления, потому что обрабатывают информацию асинхронно и локально — почти как мозг.

Такие разработки ведут крупные университеты и корпорации в США, Китае, Европе и Южной Корее. Их цель — создать вычислительные системы нового типа, которые будут быстро обучаться на небольших данных и работать без постоянного подключения к мощным серверам.

А что в России?

В России исследования в области нейроморфных вычислений и мемристоров ведутся в нескольких ключевых центрах, хотя масштаб и темпы пока уступают мировым лидерам.

Фундаментальная наука и материалы. В институтах РАН и ведущих университетах (МГУ, МФТИ, ИТМО) активно изучают материалы для мемристоров: оксиды переходных металлов, слоистые структуры и композиты. Российские учёные публикуют работы о механизмах переключения сопротивления и способах повысить стабильность устройств — это база для создания надёжных искусственных синапсов.

Интеграция с кремнием. Российские лаборатории работают над тем, чтобы адаптировать мемристорные структуры под стандартные кремниевые процессы. Это важно, чтобы в будущем такие устройства можно было выпускать на отечественных фабриках.

Моделирование и архитектура. В ряде научных центров разрабатывают алгоритмы и архитектуры нейроморфных сетей, которые могли бы работать на будущих мемристорных чипах. Сюда входят модели обучения, методы кодирования информации и способы борьбы с шумом и разбросом параметров устройств.

Прототипы и пилотные проекты. Отдельные коллективы собирают экспериментальные образцы мемристорных ячеек и небольших массивов. Эти прототипы пока не предназначены для массового рынка, но позволяют отработать ключевые этапы: от нанесения тонких плёнок до тестирования электрических характеристик.

Государственная поддержка и кооперация. Развитие микроэлектроники и нейроморфных технологий включено в ряд государственных программ. В них участвуют не только академические институты, но и отраслевые центры, а также компании, занимающиеся разработкой электроники.

Почему это важно для России

Создание искусственных синапсов — не просто научная задача, а стратегическое направление. Оно даёт шанс:

• Снизить зависимость от зарубежных вычислительных платформ. Нейроморфные чипы могут стать альтернативой традиционным GPU и облачным решениям для задач ИИ.
• Развивать собственные технологии. Работа с мемристорами и кремниевыми структурами укрепляет компетенции в материаловедении, микроэлектронике и архитектуре вычислительных систем.
• Создать новые рынки. Энергоэффективные устройства на базе нейроморфных схем найдут применение в робототехнике, носимой электронике, автономных системах и медицине.

Трудности и перспективы

Несмотря на прогресс, перед российскими учёными и инженерами стоит ряд серьёзных вызовов:

• Ограниченный доступ к передовому оборудованию. Для создания мемристоров нужны чистые комнаты и установки для осаждения тонких плёнок, которых в стране не хватает.
• Сложность масштабирования. Переход от отдельных ячеек к большим массивам требует высокой воспроизводимости и контроля качества.
• Интеграция с существующими процессами. Чтобы выпускать нейроморфные чипы серийно, нужно адаптировать новые технологии под действующие производственные линии.

Тем не менее, у России есть сильная научная школа в области физики твёрдого тела, материаловедения и электроники. При поддержке государства и кооперации науки и промышленности страна может занять свою нишу в мировой гонке за нейроморфными технологиями.

Заключение

Искусственный синапс на монокристаллическом кремнии — это не фантастика, а активно развивающееся направление мировой науки и техники. В России исследования в этой области идут в академических институтах и университетах: учёные изучают материалы, создают прототипы и разрабатывают алгоритмы для будущих нейроморфных систем. Впереди — долгий путь от лабораторных образцов к серийным устройствам, но именно сейчас закладывается фундамент для отечественных технологий нового поколения.