Neurony sprzężenia zwrotnego oparte na perowskitowym memrystorze z katodą zredukowanego tlenku grafenu z pojedynczymi atomami niklu

Chipy inspirowane mózgiem dla mądrzejszych maszyn

Nowoczesne komputery są szybkie, ale zaskakująco nieefektywne w zadaniach, które nasz mózg wykonuje z łatwością, takich jak rozpoznawanie kwiatu czy planowanie wydajnej trasy przez wiele miast. W artykule opisano nowy rodzaj elementu elektronicznego, który zachowuje się bardziej jak prawdziwy neuron mózgowy, obsługując zarówno sygnały „idź”, jak i „stop” w pojedynczym, niewielkim urządzeniu. Dzięki precyzyjnemu projektowaniu materiałów na poziomie pojedynczych atomów badacze tworzą sztuczne neurony zdolne do uczenia się wzorców i rozwiązywania złożonych problemów optymalizacyjnych, wykorzystując znacznie mniej sprzętu niż współczesne procesory.

Dlaczego potrzebujemy nowych rodzajów neuronów w sprzęcie

Neurony biologiczne nieustannie żonglują dwoma typami sygnałów: pobudzającymi, które skłaniają je do wyładowania, oraz hamującymi, które je powstrzymują. Równowaga między nimi jest kluczowa dla stabilnego myślenia, percepcji i podejmowania decyzji. Specjalna klasa zwana neuronami sprzężenia zwrotnego miesza przychodzące sygnały „w przód” z hamującymi sygnałami „wstecznymi”, umożliwiając zachowania takie jak rywalizacja między neuronami i decyzje typu winner-take-all, gdzie przetrwa tylko najsilniejsza odpowiedź. Odtworzenie tego podwójnego, precyzyjnie wyważonego zachowania w elektronice było trudne. Większość istniejących urządzeń typu memrystor, które pamiętają swoją historię elektryczną, przewodzi prąd głównie w jednym kierunku i relaksuje się zbyt szybko, przez co słabo zastępują neurony, które muszą integrować sygnały przez milisekundy.

Budowa bardziej inteligentnego urządzenia elektronicznego

Zespół rozwiązuje te ograniczenia, stosując memrystor oparty na perowskicie — urządzenie, którego przewodność może zmieniać się stopniowo — w połączeniu z nietypową katodą wykonaną z zredukowanego tlenku grafenu ozdobionego pojedynczymi atomami niklu. Ta warstwa z pojedynczymi atomami niklu nie jest tylko biernym kontaktem. Po pierwsze, dostraja krajobraz energetyczny na styku tak, że elektrony mogą przepływać bardziej symetrycznie w obu kierunkach, wspierając zrównoważone zachowania pobudzające i hamujące. Po drugie, podnosi barierę energetyczną dla jonów jodkowych poruszających się do elektrody. Zamiast przemieszczać się swobodnie, jony stają się częściowo uwięzione i poruszają się wolniej i odwracalnie. Taka kontrolowana ruchomość wydłuża „pamięć” urządzenia o poprzednich sygnałach do biologicznie istotnego zakresu milisekund, bez potrzeby stosowania dużych zewnętrznych kondensatorów.

Jak projektowanie atomowe kształtuje zachowanie

Dzięki zaawansowanej mikroskopii i spektroskopii badacze potwierdzają, że atomy niklu są indywidualnie zakotwiczone do miejsc tlenowych w warstwie na bazie grafenu, zamiast zlepiać się w cząstki. Symulacje komputerowe pokazują, że to atomowe rozmieszczenie przesuwa poziomy energetyczne elektroniczne arkusza węgla, czyniąc go bardziej metalicznym i lepiej dopasowanym do perowskitu leżącego poniżej. Jednocześnie obliczenia ujawniają wyższą barierę dyfuzji dla jonów jodkowych w obecności niklu. Doświadczalnie urządzenia z tak zaprojektowaną katodą potrafią płynnie przechodzić przez około 1000 różnych poziomów przewodności i wykazują niemal lustrzanie symetryczne odpowiedzi dla dodatnich i ujemnych przebiegów napięcia. Ich prąd opada w czasie około 780 milisekund po stymulacji — skali czasowej zbliżonej do prawdziwych komórek nerwowych — pozwalając urządzeniu wiernie naśladować dynamikę typu leaky integrate-and-fire.

Od pojedynczego urządzenia do sieci uczącej się

Poprzez sterowanie tymi memrystorami za pomocą dopasowanych impulsów napięciowych zespół pokazuje, że pojedyncze urządzenie może działać jako neuron sprzężenia zwrotnego: sumuje przychodzące impulsy, wyzwala się, gdy jego prąd przekroczy próg, a następnie powoli ulatnia się z powrotem do stanu spoczynkowego. Ujemne impulsy tłumią jego przewodność, dostarczając elektronicznej formy hamowania. Sieci takich neuronów są rozmieszczone w macierzach typu crossbar i połączone z prostą elektroniką sterującą opartą na programowalnych układach FPGA. W jednym z pokazów system wykonuje niestrzeżone uczenie konkurencyjne na danych o kwiatach, grupując trzy typy kwiatów według zmierzonych cech, przy czym każdy neuron specjalizuje się w danym typie. W innym teście schemat kooperacyjnego uczenia oparty na mapie samoorganizującej się wykorzystuje ten sam typ neuronów do rozwiązania problemu komiwojażera, klasycznego wyzwania w logistyce, konwergując do wydajnych tras nawet do sześciu razy szybciej niż standardowy algorytm symulowanego wyżarzania.

Co to oznacza dla przyszłych obliczeń

Mówiąc prosto, praca ta pokazuje, że coraz częściej możemy budować elementy elektroniczne zachowujące się jak maleńkie, regulowane komórki mózgowe, a nie proste przełączniki włącz/wyłącz. Umieszczając pojedyncze atomy niklu w odpowiednich miejscach wewnątrz warstwy na bazie grafenu, autorzy zyskują precyzyjną kontrolę zarówno nad elektronami, jak i jonami, tworząc urządzenie, które potrafi pobudzać, hamować i powoli zapominać w sposób przypominający mózg. Te sztuczne neurony sprzężenia zwrotnego można gęsto upakować, wymagają niewiele dodatkowej elektroniki i już radzą sobie z realistycznymi zadaniami uczenia i problemami optymalizacyjnymi. W miarę jak takie urządzenia będą się doskonalić, mogą stać się podstawą kompaktowego, energooszczędnego sprzętu, który uzupełni lub nawet zastąpi części dzisiejszych energochłonnych procesorów cyfrowych w zastosowaniach od rozpoznawania wzorców po inteligentne planowanie.

Cytowanie: Li, QX., Li, HX., Sun, T. et al. Feedback neurons based on perovskite memristor with nickel single-atom engineered reduced graphene oxide cathode. Nat Commun 17, 3085 (2026). https://doi.org/10.1038/s41467-026-69805-2

Słowa kluczowe: obliczenia neuromorficzne, memrystor, urządzenia perowskitowe, elektronika grafenowa, uczenie w sprzęcie