Sieć echa stanów oparta na nieliniowości i odpowiedzi dynamicznej tranzystorów heterostrukturalnych o przewodnictwie ambipolarnym

Dlaczego ma to znaczenie dla codziennej technologii

Od asystentów głosowych po aplikacje pogodowe — wiele współczesnych inteligentnych narzędzi opiera się na rozpoznawaniu wzorców zmieniających się w czasie, takich jak wypowiedziane słowa, rytm serca czy trajektorie burz. Tradycyjne układy scalone mają trudności z efektywną obsługą tego rodzaju danych czasowych, ponieważ nie zostały zaprojektowane do działania w sposób przypominający mózg. W artykule opisano nowy element sprzętowy — maleńkie urządzenia zwane tranzystorami ambipolarnymi — połączone tak, by naśladować konkretną sieć inspirowaną mózgiem, znaną jako sieć echa stanów. W efekcie powstał fizyczny system obliczeniowy potrafiący rozpoznawać obrazy, interpretować sygnały i przewidywać rozwój złożonych procesów przy bardzo niskim zużyciu energii.

Nowy rodzaj układu inspirowanego mózgiem

Konwencjonalne układy oddzielają pamięć od przetwarzania, przesyłając dane tam i z powrotem w sposób marnujący czas i energię. Obliczenia neuromorficzne idą inną drogą: dążą do zbliżenia pamięci i przetwarzania w sieciach, które zachowują się bardziej jak sieci neuronów i synaps w mózgu. Sieci echa stanów to szczególny rodzaj takich sieci. Wysyłają przychodzące sygnały do dużej, stałej sieci połączonych jednostek zwanej rezerwuarem, gdzie sygnały są mieszane i „odbijane” w czasie. Tylko warstwa odczytu jest trenowana, co znacznie upraszcza uczenie. Autorzy postawili kluczowe pytanie: czy ten rezerwuar można zbudować bezpośrednio z fizycznych urządzeń zamiast symulować go w oprogramowaniu, tak aby sam sprzęt naturalnie wykonywał najcięższą część pracy?

Tranzystory ambipolarne jako sztuczne neurony i synapsy

Zespół skonstruował tranzystory z ułożonej warstwami pary materiałów organiczno‑nieorganicznych: warstwy tlenku cynku oraz polimeru o nazwie P3HT. Poprzez staranny wybór grubości każdej warstwy stworzyli urządzenia, które mogą przewodzić zarówno ładunki dodatnie, jak i ujemne z porównywalną łatwością — cechę nazwaną przewodnictwem ambipolarnym. Te tranzystory mają zakres, w którym ich odpowiedź elektryczna jest prawie liniowa, i inny zakres, gdzie odpowiedź wygina się gładko w kształt litery S, podobnie do matematycznej funkcji tanh stosowanej jako funkcja aktywacji w wielu sieciach neuronowych. W trybie liniowym działają jak regulowane połączenia (synapsy) wykonujące ważone sumy. W stanie nasycenia zachowują się jak neurony, które ograniczają sygnały do skończonego zakresu. Ponieważ prąd płynący przez każde urządzenie zależy także od niedawnych zmian napięcia, sprzęt naturalnie zapamiętuje krótkotrwałą historię, dając rezerwuarowi wbudowane poczucie czasu.

Od odręcznych cyfr do chaotycznych układów przypominających pogodę

Aby przetestować tę fizyczną sieć echa stanów, badacze ułożyli tranzystory ambipolarne w szeregi i połączyli je z prostymi obwodami wejścia i wyjścia. Najpierw podjęli zadania rozpoznawania wzorców, korzystając ze znanych zbiorów obrazów. Podając do rezerwuaru spłaszczone obrazy odręcznych cyfr i przedmiotów odzieżowych uzyskali około 95% trafności w rozpoznawaniu cyfr i 86% dla elementów garderoby w podstawowym trybie pracy, oraz prawie 97% i 87% odpowiednio, gdy w pełni wykorzystali dynamiczne zachowanie urządzeń za pomocą sprytnego kodowania impulsowego. Następnie przeszli od obrazów statycznych do rzeczywistych problemów szeregów czasowych. System z powodzeniem przewidywał ruch atraktora Lorentza — klasycznego modelu chaotycznej, pogodopodobnej dynamiki — z bardzo niskim błędem, a także prognozował ruch i położenie centrum rzeczywistego tajfunu w czasie.

Słuchanie serc i czytanie emocji

Ponieważ wiele problemów rzeczywistych obejmuje więcej niż jeden typ danych, zespół badał także zadania multimodalne. Przekształcili sygnały elektrokardiogramu zarówno w jednowymiarowe przebiegi, jak i w dwuwymiarowe obrazy czas‑częstotliwość, wysyłając każdy z nich do tego samego rezerwuaru ambipolarnego. Łącząc powstałe stany wewnętrzne, system klasyfikował wzorce sygnałów serca z większą dokładnością niż przy użyciu tylko jednego trybu. W innym badaniu użyli rezerwuaru jako front‑endu do analizy zbioru danych obejmującego mowę ludzką, tekst i wyraz twarzy. Gdy cechy audio, językowe i wizualne zostały najpierw przetworzone przez sieć ambipolarną, a następnie przekazane do standardowego klasyfikatora programowego, dokładność rozpoznawania znacząco wzrosła w porównaniu z samym oprogramowaniem. We wszystkich eksperymentach urządzenia ambipolarne konsekwentnie przewyższały prostsze tranzystory n‑typu lub p‑typu, dzięki zrównoważonej odpowiedzi na sygnały dodatnie i ujemne oraz bogatszej dynamice wewnętrznej.

Co to oznacza dla przyszłych inteligentnych urządzeń

Dla osób niebędących specjalistami kluczowe przesłanie jest takie: praca ta przenosi ideę matematyczną — sieć echa stanów — do namacalnego sprzętu, w którym każdy tranzystor zachowuje się nieco jak mały, responsywny neuron i synapsa w jednym. Ponieważ wewnętrzne połączenia rezerwuaru nie muszą być trenowane, a same urządzenia dostarczają zarówno nieliniowości, jak i pamięci krótkotrwałej, rezultujący system potrafi wykonywać zadania takie jak rozpoznawanie obrazów, analiza sygnałów i prognozowanie szeregów czasowych przy użyciu prostszych algorytmów i potencjalnie znacznie niższym zużyciu energii. To wskazuje drogę ku przyszłym układom, które będą mogły przetwarzać strumienie informacji w sposób bardziej naturalny dla mózgu, umożliwiając inteligentniejsze i bardziej energooszczędne sensory, urządzenia noszone i narzędzia prognostyczne bez ciężkiego kosztu obliczeniowego współczesnych systemów głębokiego uczenia.

Cytowanie: Zhong, WM., Zhang, W., Zeng, YX. et al. Physical echo state network based on the nonlinearity and dynamic response of ambipolar heterostructure transistors. Nat Commun 17, 3321 (2026). https://doi.org/10.1038/s41467-026-70171-2

Słowa kluczowe: sprzęt neuromorficzny, sieć echa stanów, tranzystor ambipolarny, predykcja szeregów czasowych, obliczenia rezerwuarowe