A van der Waals Floating-Gate Platform for Broadband Optoelectronic Neuromorphic Computing
本論文は、次世代のニューロモーフィック・コンピューティングに向けて、単一のコンパクトなデバイス内で双方向の重み変調、必須のシナプス機能、および高次の連合学習を可能にするために、非揮発性メモリと広帯域光電子学習を統合した、ファンデルワールスReS2/hBN/InSeフローティングゲート・シナプストランジスタを提示するものである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
人間の脳は、極めて少ない電力で膨大な量の情報を処理する、効率性の達人です。脳は、記憶と計算を単一の、相互に連結したニューロンとシナプスのネットワークへと統合することで、この能力を実現しています。対照的に、今日私たちが使用しているコンピュータは、これら2つの機能を分離した設計に依存しています。データは、計算を行うプロセッサと情報を保存するメモリチップの間を絶えず往復しなければならず、その移動がエネルギーを浪費させ、パフォーマンスを低下させています。次世代の知的な機械を構築するために、科学者たちは、単一のデバイスが情報の記憶と新しい入力からの学習の両方を行えるような、脳のアーキテクチャを模倣したハードウェアの作成に取り組んでいます。この取り組みにおける鍵となる要素は、人工シナプスです。これは、生物学的な脳細胞間の結合と同じように、過去の活動に基づいてその強さを変えることができる、微小な電子スイッチです。研究者たちは多くの種類のこれらのデバイスを開発してきましたが、その多くは、長期記憶と光から学習する能力を両立させることに苦慮してきました。光による学習能力があれば、機械は視覚情報を直接的かつ効率的に処理できるようになります。
韓国の東国大学の研究チームは、この溝を埋めることに成功した新しいタイプの人工シナプスを開発しました。彼らは、データを永久に保存でき、かつ可視光から目に見えない赤外線に至るまで幅広い光から学習できる単一のトランジスタを作り出しました。このデバイスは、顕微鏡レベルのサンドイッチのように層を成す、3種類の異なる原子層厚材料のスタックを用いて構築されています。底層はインジウムセレンと呼ばれる材料で、電荷の保管庫として機能します。この保管庫とトップ層を隔てているのは、六方晶窒化ホウ素の薄いシートであり、これは電子が促されたときにのみ通過できる安全なトンネルとして機能します。トップ層は、光に対して強く反応する材料である二硫化レニウムで作られています。研究者が電気パルスを印加するか、デバイスに光を照射すると、電子がトンネルを通って移動し、ストレージ層に捕捉され、トップ層を通じて電気が流れる容易さを永久に変えます。この流れの変化が、新しい記憶状態、あるいは学習された結合を表します。
研究者たちは、このデバイスが記憶において非常に優れていることを見出しました。電気パルスを印加することで、デバイスの「オン」状態と「オフ」状態の間に巨大な差を生み出すのに十分な電荷を捕捉することができ、「オン」状態の電流は「オフ」状態よりも100万倍以上強力でした。一度情報が書き込まれると、デバイスはリフレッシュのための電力を必要とすることなく、10,000秒以上にわたって安定して保持しました。この安定性は、信頼性の高いコンピュータメモリを構築する上で極めて重要です。単純なストレージを超えて、このデバイスは学習する脳細胞のように振る舞います。研究者が一連の電気信号を送ると、デバイスの反応はパルスごとに強まり、これはニューロンが繰り返し共に発火するときに生物学的シナプスが強化される様子を模倣しています。また、逆の極性の信号を送ることで接続を弱めることもでき、これによりデバイスが忘却したり学習を調整したりすることを可能にしました。
この発見が特に重要な理由は、デバイスが光に対してどのように反応するかという点にあります。従来の電子メモリは電気信号のみを理解しますが、この新しいシナプスは幅広いスペクトルの光を用いて訓練することができます。研究者たちは緑、赤、および近赤外線を用いてテストを行い、デバイスはこれらすべてに反応しました。光の明るさや照射時間を変えることで、デバイスがどれだけ学習するかを精密に制御することができました。短いフラッシュ光は、短期記憶に似た一時的な変化を引き起こしましたが、より長く明るい露出は、長期記憶に似た永続的な変化を生み出しました。デバイスは、異なる光と電気のパターンを区別することさえできました。ある実験では、研究者たちは特定の電気信号を光のフラッシュと関連付けるようデバイスに教えました。訓練後、デバイスはまるで光を予期するように、電気信号単体に対して反応を示し、これは犬が鐘の音を聞いて唾液を出すことを学習する有名な実験と同様の、連合学習の形態を実証しました。
チームはまた、刺激の方法を変えるだけで、この単一のデバイスが複雑な論理タスクを実行できることも示しました。電気と光の入力強度を調整することで、光と電気の両方が存在する場合にのみ出力される「AND」ゲートや、どちらか一方が存在する場合に出力される「OR」ゲートとして動作するようにデバイスをプログラムできました。物理的な構造を変更することなく自らの論理を再構成できるこの能力は、機能を即座に適応させることができるコンピュータへの道を示唆しています。研究者たちは、詳細な測定を用いて、デバイスの挙動が他の効果ではなく、ストレージ層への電子の移動によって引き起こされていることを確認し、代替の説明を排除しました。この研究は、記憶、学習、および光センシングが1つのコンパクトなコンポーネントに統合された多用途なプラットフォームを実証しており、人間の脳のように情報を処理できる、より小さく、より速く、よりエネルギー効率の高いシステムの実現に向けた有望な戦略を提供しています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。