Сотрудники лаборатории стохастических мультистабильных систем ННГУ им. Н.И. Лобачевского разработали комплексную методологию анализа и проектирования энергоэффективных нейроморфных систем. Директор Научно-образовательного центра (НОЦ) «Физика твердотельных наноструктур» Алексей Михайлов, научный сотрудник лаборатории мемристорной наноэлектроники НОЦ «Физика твердотельных наноструктур» Иван Кипелкин и лаборант-исследователь НОЦ «Физика твердотельных наноструктур» Григорий Жарков работали совместно с учёными из России, Сербии, Италии, США и Испании.
«Главная особенность нашей работы заключалась в прямом сравнении различных вычислительных архитектур в единой системе измерения энергопотребления. Экспериментально нами было доказано, что органические мемристоры способны достигать энергозатрат порядка нескольких фемтоджоулей на событие, что сопоставимо и даже ниже уровня биологических синапсов», – руководитель исследования, кандидат физико-математических наук, научный сотрудник лаборатории мемристорной наноэлектроники НОЦ «Физика твердотельных наноструктур» Университета Лобачевского Иван Кипелкин.
Учёными впервые была предложена единая метрика сравнения – энергопотребление на одно синаптическое событие (fJ/event), которая позволяет корректно сопоставлять: классические нейронные сети ANN на GPU/NPU, спайковые нейронные сети SNN (Loihi, TrueNorth), мемристивные устройства, а также биологические синапсы крысы и человека.
«Ключевой вклад ННГУ – создание и исследование неорганических мемристорных кроссбаров архитектуры 32×8 1T1M. Эти структуры были изготовлены в рамках государственного задания по развитию электронной промышленности. На базе нашего вуза были проведены измерения токов, расчёты энергии переключения, а также анализ физических моделей нейронных осцилляторов на мемристорах», – отметил руководитель проекта, на основе которого было проведено исследование, кандидат физико-математических наук, директор НОЦ «Физика твердотельных наноструктур» Университета Лобачевского Алексей Михайлов.
Разработка позволяет выделять три принципиально разных энергетических режима: традиционные GPU и NPU, цифровые спайковые системы и мемристивные нейроморфные структуры, приближающиеся по эффективности к биологическим системам. Именно этим обоснована необходимость перехода от классической фон-неймановской архитектуры к вычислениям в памяти и событийно-управляемым системам.
«Разработанные нами технологии могут использоваться в области Green AI, в автономных Edge AI-устройствах, робототехнике, беспилотных системах, имплантах и сенсорных сетях, где критически важно минимальное энергопотребление. Кроме того, мемристорные системы перспективны для нейропротезирования и интерфейсов мозг-компьютер», – подчеркнул лаборант-исследователь НОЦ «Физика твердотельных наноструктур» Университета Лобачевского Григорий Жарков.
Исследование учёных ННГУ выполнено в рамках государственной программы поддержки университетов в России «Приоритет-2030», программы Национального центра физики и математики (НЦФМ) по направлению «Искусственный интеллект и большие данные», а также при поддержке министерства науки, технологического развития и инноваций Республики Сербия и проекта FAIRGROUND в рамках программы NextGenerationEU. Подробное описание разработки нижегородских учёных и их коллег приводится в статье «Critical Analysis of Energy Consumption in Neuro-Computational Systems» в журнале IEEE Access (Q1).
Пресс-центр ННГУ
