ممرایستورهای جدید برای غلبه بر «فراموشی فاجعه‌بار» هوش مصنوعی

به اصطلاح "ممرایستورها" (memristors) توان بسیار کمی مصرف می کنند و رفتاری مشابه سلول های مغزی دارند. محققان یولیش (Jülich)، به رهبری ایلیا والوف (Ilia Valov)، اکنون اجزای ممرایستوری جدیدی را معرفی کرده اند که مزایای قابل توجهی نسبت به نسخه های قبلی دارند: آنها مقاوم تر هستند، در محدوده ولتاژ وسیع تری عمل می کنند و می توانند در هر دو حالت آنالوگ و دیجیتال کار کنند. این خواص می تواند به رفع مشکل "فراموشی فاجعه بار" کمک کند، جایی که شبکه های عصبی مصنوعی به طور ناگهانی اطلاعات آموخته شده قبلی را فراموش می کنند.

مشکل فراموشی فاجعه بار زمانی رخ می دهد که شبکه های عصبی عمیق برای یک کار جدید آموزش داده می شوند. این به این دلیل است که یک بهینه سازی جدید به سادگی جایگزین بهینه سازی قبلی می شود. مغز این مشکل را ندارد زیرا ظاهراً می تواند درجه تغییر سیناپسی را تنظیم کند؛ چیزی که متخصصان آن را "فرا انعطاف پذیری" (metaplasticity) می نامند.

آنها گمان می کنند که تنها از طریق این درجات مختلف انعطاف پذیری است که مغز ما می تواند به طور دائم وظایف جدید را بدون فراموش کردن محتوای قدیمی یاد بگیرد. ممرایستور جدید عملکردی مشابه را انجام می دهد.

ایلیا والوف از موسسه پیتر گرونبرگ (Peter Grünberg Institute) می‌گوید: «خواص منحصر به فرد آن اجازه می‌دهد تا از حالت‌های سوئیچینگ مختلف برای کنترل مدولاسیون ممرایستور به گونه‌ای استفاده شود که اطلاعات ذخیره شده از بین نرود.»

تراشه های کامپیوتری مدرن به سرعت در حال تکامل هستند. توسعه آنها می تواند با ممرایستورها - اصطلاحی مشتق شده از حافظه و مقاومت - تقویت بیشتری دریافت کند. این اجزا اساساً مقاومت هایی با حافظه هستند: مقاومت الکتریکی آنها بسته به ولتاژ اعمال شده تغییر می کند و برخلاف عناصر سوئیچینگ معمولی، مقدار مقاومت آنها حتی پس از خاموش شدن ولتاژ نیز باقی می ماند. این به این دلیل است که ممرایستورها می توانند تغییرات ساختاری را تجربه کنند—به عنوان مثال، به دلیل رسوب اتم ها روی الکترودها.

والوف می گوید: «عناصر ممرایستوری به عنوان کاندیداهای ایده آل برای اجزای رایانه ای با قابلیت یادگیری و الهام گرفته از اعصاب که بر اساس مغز مدل شده اند، در نظر گرفته می شوند.»

علیرغم پیشرفت ها و تلاش های قابل توجه، تجاری سازی این قطعات کندتر از حد انتظار پیشرفت می کند. این امر به ویژه به دلیل نرخ خرابی اغلب بالا در تولید و طول عمر کوتاه محصولات است. علاوه بر این، آنها به تولید گرما یا تأثیرات مکانیکی حساس هستند که می تواند منجر به اختلالات مکرر در حین کار شود.

والوف که سال ها در این زمینه ممرایستورها کار کرده است، می گوید: «بنابراین تحقیقات پایه برای کنترل بهتر فرآیندهای در مقیاس نانو ضروری است. ما به مواد جدید و مکانیسم‌های سوئیچینگ نیاز داریم تا پیچیدگی سیستم‌ها را کاهش دهیم و دامنه عملکردها را افزایش دهیم.»

دقیقاً از این نظر است که این شیمیدان و دانشمند مواد به همراه همکاران آلمانی و چینی اکنون توانسته اند یک موفقیت مهم را گزارش کنند: والوف توضیح می دهد: «ما یک مکانیسم ممرایستوری الکتروشیمیایی کاملاً جدید را کشف کرده ایم که از نظر شیمیایی و الکتریکی پایدارتر است.» این توسعه اکنون در مجله Nature Communications منتشر شده است.

والوف توضیح می‌دهد: «تاکنون، دو مکانیسم اصلی برای عملکرد ممرایستورهای به اصطلاح دوقطبی (bipolar memristors) شناسایی شده است: ECM و VCM.» ECM مخفف الکتروشیمیایی فلزکاری (electrochemical metallization) و VCM مخفف مکانیسم تغییر ظرفیت (valence change mechanism) است.

ممرایستورهای ECM یک رشته فلزی بین دو الکترود تشکیل می دهند - یک "پل رسانای" کوچک که مقاومت الکتریکی را تغییر می دهد و زمانی که ولتاژ معکوس می شود دوباره حل می شود. پارامتر مهم در اینجا مانع انرژی (مقاومت) واکنش الکتروشیمیایی است. این طراحی امکان ولتاژهای سوئیچینگ پایین و زمان های سوئیچینگ سریع را فراهم می کند، اما حالت های ایجاد شده متغیر و نسبتاً کوتاه مدت هستند.

از سوی دیگر، ممرایستورهای VCM مقاومت را از طریق حرکت یون های فلزی تغییر نمی دهند، بلکه از طریق حرکت یون های اکسیژن در رابط بین الکترود و الکترولیت - با تغییر به اصطلاح مانع شاتکی (Schottky barrier) تغییر می دهند. این فرآیند نسبتاً پایدار است اما به ولتاژهای سوئیچینگ بالایی نیاز دارد.

هر نوع ممرایستور مزایا و معایب خاص خود را دارد. والوف توضیح می دهد: «بنابراین ما طراحی یک ممرایستور را در نظر گرفتیم که مزایای هر دو نوع را ترکیب کند.» در بین متخصصان، قبلاً تصور می شد که این امر غیرممکن است.

والوف توضیح می دهد: «ممرایستور جدید ما مبتنی بر یک اصل کاملاً متفاوت است: از یک رشته ساخته شده از اکسیدهای فلزی به جای یک رشته کاملاً فلزی مانند ECM استفاده می کند.» این رشته از طریق حرکت یون های اکسیژن و تانتالیوم تشکیل می شود و بسیار پایدار است—هرگز به طور کامل حل نمی شود. والوف می گوید: «می توانید آن را به عنوان رشته ای در نظر بگیرید که همیشه تا حدی وجود دارد و فقط از نظر شیمیایی اصلاح می شود.»

بنابراین مکانیسم سوئیچینگ جدید بسیار قوی است. دانشمندان همچنین به آن به عنوان مکانیسم اصلاح رسانایی رشته (filament conductivity modification mechanism) یا FCM اشاره می کنند. اجزای مبتنی بر این مکانیسم دارای مزایای متعددی هستند—آنها از نظر شیمیایی و الکتریکی پایدارتر، در برابر درجه حرارت های بالا مقاوم تر هستند، دارای پنجره ولتاژ وسیع تری هستند و برای تولید به ولتاژهای کمتری نیاز دارند. در نتیجه، قطعات کمتری در طول فرآیند تولید می سوزند، نرخ رد شدن کمتر است و طول عمر آنها بیشتر است.

حالت‌های اکسیداسیون مختلف (oxidation states) به ممرایستور اجازه می‌دهند در حالت باینری و/یا آنالوگ (binary and/or analog mode) عمل کند. در حالی که سیگنال های باینری دیجیتال هستند و فقط می توانند دو حالت را خروجی دهند، سیگنال های آنالوگ پیوسته هستند و می توانند هر مقدار متوسطی را به خود بگیرند. این ترکیب از رفتار آنالوگ و دیجیتال به ویژه برای تراشه‌های نورومورفیک (neuromorphic chips) جالب است زیرا می‌تواند به غلبه بر مشکل فراموشی فاجعه‌بار کمک کند.

محققان قبلاً این جزء ممرایستوری جدید را در مدلی از یک شبکه عصبی مصنوعی در یک شبیه سازی پیاده سازی کرده اند. در چندین مجموعه داده تصویر، این سیستم به سطح بالایی از دقت در تشخیص الگو دست یافت.

در آینده، این تیم می خواهد به دنبال مواد دیگری برای ممرایستورها باشد که ممکن است حتی بهتر و پایدارتر از نسخه ارائه شده در اینجا کار کنند. والوف می گوید: «نتایج ما توسعه بیشتر الکترونیک را برای برنامه های کاربردی «محاسبه در حافظه» (computation-in-memory) پیش خواهد برد.»

ارائه شده توسط مرکز تحقیقاتی یولیش