Net als hun biologische tegenhangers, hardware die de neurale circuits van de hersenen nabootst, heeft bouwstenen nodig die kunnen aanpassen hoe ze synapsen, waarbij sommige verbindingen sterker worden ten koste van andere. Een dergelijke benadering, memristors genoemd, gebruikt de huidige weerstand om deze informatie op te slaan. Nieuw werk lijkt betrouwbaarheidsproblemen in deze apparaten te verhelpen door memristors op atomair niveau te schalen.

Een groep onderzoekers demonstreerde een nieuw type samengestelde synaps die synaptische gewichtsprogrammering kan bereiken en vector-matrixvermenigvuldiging kan uitvoeren met aanzienlijke vooruitgang ten opzichte van de huidige stand van de techniek. Het publiceren van zijn werk in de Tijdschrift voor Toegepaste Natuurkunde , de samengestelde synaps van de groep is geconstrueerd met atomair dunne boornitride-memristors die parallel lopen om efficiëntie en nauwkeurigheid te garanderen.

Het artikel verschijnt in een speciale sectie van het tijdschrift gewijd aan "New Physics and Materials for Neuromorphic Computation, " die nieuwe ontwikkelingen in fysisch en materiaalwetenschappelijk onderzoek belicht die veelbelovend zijn voor de ontwikkeling van de zeer grootschalige, geïntegreerde "neuromorfe" systemen van morgen die de berekening verder zullen brengen dan de beperkingen van de huidige halfgeleiders van vandaag.

"Er is veel interesse in het gebruik van nieuwe soorten materialen voor memristors, " zei Ivan Sánchez Esqueda, een auteur op papier. "Wat we laten zien is dat draadvormige apparaten goed kunnen werken voor neuromorfische computertoepassingen, wanneer gebouwd in nieuwe slimme manieren."

De huidige memristortechnologie heeft te lijden onder een grote variatie in de manier waarop signalen worden opgeslagen en gelezen op verschillende apparaten, zowel voor verschillende typen memristors als voor verschillende runs van dezelfde memristor. Om dit te overwinnen, de onderzoekers lieten verschillende memristors parallel lopen. De gecombineerde output kan tot vijf keer zo nauwkeurig zijn als die van conventionele apparaten, een voordeel dat verbindingen naarmate apparaten complexer worden.

De keuze om naar het subnanometerniveau te gaan, Sanchez zei, is ontstaan ​​uit een interesse om al deze parallelle memristors energiezuinig te houden. Een reeks memristors van de groep bleken 10 te zijn, 000 keer energiezuiniger dan memristors die momenteel beschikbaar zijn.

"Het blijkt dat als je het aantal apparaten parallel gaat vergroten, u kunt grote voordelen zien in nauwkeurigheid terwijl u toch energie bespaart, " zei Sanchez. Sanchez zei dat het team vervolgens het potentieel van de samengestelde synapsen verder wil demonstreren door hun gebruik te demonstreren door steeds complexere taken uit te voeren, zoals beeld- en patroonherkenning.