Физтехам удалось разрешить фундаментальное противоречие, которое долго сдерживало развитие нейроморфных вычислительных систем. Новый нейрочип способен не просто имитировать работу биологических синапсов человека, но и обеспечивает хранение информации. Работа опубликована в журнале Applied Physics Letters.
Человек значительно быстрее учится различать предметы, чем ИИ. Традиционные компьютеры, построенные на архитектуре фон Неймана, разделяют память и процессор. Данные постоянно путешествуют между этими блоками, и этот «информационный трафик» значительно снижает производительность и расходует много энергии. В итоге разработчики обратились к нейроморфным вычислениям, которые пытаются подражать мозгу человека, где вычисления и хранение данных происходят в одном и том же месте — в синапсах, связях между нейронами.
Разработанные «искусственные синапсы» назвали мемристорами — электронные компоненты меняли свое сопротивление под действием приложенного напряжения и сохраняли это состояние после отключения питания. Однако разработчики стояли перед выбором: либо быстрое обучение за счет эффективной смены проводимости, либо надежное хранение данных, но низкая гибкость, необходимая для обучения.
«Технология производства мемристоров имеет большой потенциал и активно развивается по нескольким направлениям. Например, наша лаборатория разрабатывает сегнетоэлектрические мемристоры, или туннельные переходы, которых также уже несколько видов. Но наше устройство может эффективно работать на пересечении двух основных областей: хранения информации и нейроморфных вычислений. Это большой шаг. Мы начали работать над мемристорами еще в 2019 году, и предыдущие устройства были способны имитировать поведение биологических синапсов, но забывали информацию практически мгновенно. В итоге, глубже изучив саму физику процессов, мы смогли преодолеть эту проблему»,— рассказала об исследовании Анастасия Чуприк, заведующая лабораторией перспективных концепций хранения данных МФТИ.
Структура мемристора слоистая и первоначально была такой: металлический электрод, затем сегнетоэлектрическая пленка оксид гафния-циркония и другой металлический электрод. Для его работы необходимо переключить сегнетоэлектрическую поляризацию в оксиде гафния-циркония и тем самым изменить потенциальный барьер структуры, а значит и сам токовый транспорт. Но из-за того что сегнетоэлектрическая пленка — зернистая, ток шел по границам зерен, вместо однородного движения через пленку. Соответственно, модулировать направление электронов переключением поляризации в такой системе невозможно.
В итоге ученые пришли к выводу, что необходимо использовать полупроводниковый электрод. Как только поляризация переключается, электроны подбегают к границе раздела и быстро экранируют поляризацию. В полупроводнике электронов меньше, и они хуже экранируют поляризацию и могут регулировать ток даже под границами зоны. Казалось бы, мемристор работает, но побочным явлением была невозможность хранения информации.
«Почему наш мемристор был без памяти? Дело в том, что на границе раздела с полупроводником всегда присутствуют заряженные поверхностные состояния — дефекты, которые создают сильные поля и сбрасывают поляризацию в одно и то же состояние. То есть, с одной стороны, использование полупроводника дает нам возможность эффективно модулировать проводимость, а с другой — это же свойство приводит к сбрасыванию поляризации. В новом устройстве нам удалось достаточно долговременно избегать этого сбрасывания, а значит сохранения данных, и при этом добиться синаптических функциональностей и модуляции проводимости. То есть теперь наше устройство можно использовать для нейроморфных вычислений при условии сохранности информации»,— дополнил первый автор статьи Илья Марголин, младший научный сотрудник лаборатории перспективных концепций хранения данных МФТИ.
Таким образом, физтехи сфокусировались не на химическом составе, а на физике процессов, происходящих на границе раздела полупроводника и сегнетоэлектрика. В основе их мемристора лежит сегнетоэлектрический материал Hf0.5Zr0.5O2 (HZO), который может менять свою поляризацию под действием электрического поля. В сочетании с полупроводниковым слоем аморфного гидрогенизированного кремния (a-Si:H) эта структура представляет собой сложную систему, где переключение поляризации тесно связано с захватом и высвобождением электронов на ловушках у границы раздела.
В итоге поведение мемристора определяется игрой двух независимых переменных: состоянием сегнетоэлектрической поляризации, которое отвечает за долговременную память, и динамикой заполнения дефектов на границе раздела, которая управляет синаптической пластичностью. Изменение длительностью управляющего импульса позволяет переключать устройство между режимом «ученика», способного быстро запоминать и забывать, и режимом «архиватора», надежно хранящего информацию.
В результате время хранения информации в двух состояниях (ON и OFF) выросло с нескольких секунд более чем до 10⁶ секунд (более 11,5 дня), а число циклов перезаписи увеличилось в 20 раз, достигнув 8 млн циклов.
В сверхтонких слоях сегнетоэлектрика, порядка 5 нанометров, заряженные дефекты на границе с кремнием создают мощное внутреннее поле, которое «сталкивает» мемристор в режим высокой пластичности, заставляя его быстро забывать записанное состояние, но увеличение толщины сегнетоэлектрического слоя до 8 нанометров дало ученым возможность ослабить это разрушительное внутреннее поле.
Созданный мемристор может стать фундаментом для нового поколения процессоров искусственного интеллекта, которые будут потреблять значительно меньше энергии и быстрее обучаться, приближаясь по эффективности к человеческому мозгу. Кроме того, возможность интеграции таких устройств в одну микросхему с традиционной электроникой обещает сделать нейроморфные вычисления более компактными и доступными.
Сами авторы планируют сосредоточиться на улучшении показателей чтения информации, чтобы адаптировать устройство для промышленного производства, и на создании более сложных нейронных сетей на основе многоуровневых состояний своего мемристора.
Научная статья: I. G. Margolin, I. A. Savichev, A. A. Chouprik. From volatile to nonvolatile resistive switching in a ferroelectric second-order memristor // Applied Physics Letters 129, 072901 (2026). DOI: https://doi.org/10.1063/5.0335735.
