Sieci urządzeń z nikielatu protonowego do obliczeń neuromorficznych w czasie i przestrzeni

Dlaczego mają znaczenie malutkie urządzenia, które myślą jak mózg

Dzisiejsza sztuczna inteligencja działa w ogromnych centrach danych, które pochłaniają ogromne ilości energii. Nasze mózgi, przeciwnie, wykonują znacznie bogatsze obliczenia przy mocy porównywalnej do słabego źródła światła. Niniejszy artykuł przedstawia krok w kierunku sprzętu podobnego do mózgu: nowy rodzaj sieci małych urządzeń zrobionych ze specjalnego oksydu, które przetwarzają informacje w przestrzeni i czasie, pamiętają niedawne zdarzenia i rozpoznają wzorce, takie jak wypowiadane cyfry czy wczesne objawy napadów padaczkowych — wszystko przy zużyciu energii znacznie mniejszym niż w konwencjonalnych układach.

Materiał, który potrafi jednocześnie pamiętać i reagować

Naukowcy zbudowali swój system z perowskitowego nikielatu, NdNiO₃, krystalicznego tlenku, którego właściwości elektryczne mogą zostać radykalnie zmienione przez wprowadzenie wodoru. Gdy atomy wodoru wnikają w materiał w pobliżu metalowego kontaktu, oddają elektrony i przekształcają ten obszar z dobrego przewodnika w znacznie bardziej rezystywny stan. Umieszczając elektrody palladowe (Pd) i złote (Au) na cienkiej warstwie nikielatu i wygrzewając ją w atmosferze wodoru, zespół tworzy „chmury” wodoru pod wybranymi kontaktami. Przesuwanie tych chmur krótkimi impulsami napięciowymi zmienia łatwość przepływu prądu, pozwalając tej samej warstwie zachowywać się czasem jak szybki, wygasający element reagujący, a czasem jak stabilna komórka pamięci.

Dwie warstwy na jednym układzie: szybka dynamika i trwała pamięć

Platforma sprzętowa jest zorganizowana jak prosty sztuczny mózg zbudowany w całości z tej warstwy nikielatu

Gdy sąsiedzi mają znaczenie: emergentne zachowanie sieci

Kluczowym postępem jest to, że warstwa przetwarzająca nie działa jako zbiór izolowanych elementów. Gdy impuls trafia w jeden węzeł Pd–Pd, przemieszczenie wodoru i zmian rozkładu napięcia w warstwie nikielatu subtelnie zmienia pola doświadczane przez sąsiednie węzły. Eksperymenty na małych macierzach pokazują, że prąd w urządzeniu „referencyjnym” rośnie, gdy pobliskie węzły również otrzymują impulsy, a efekt ten zależy bardziej od porównania ich chmur wodoru niż od prostej odległości fizycznej. Symulacje potwierdzają, że te oddziaływania pośredniczone przez podłoże przekształcają ogólny krajobraz potencjału. W rezultacie pojawia się zachowanie na poziomie sieci: wzorzec aktywności w wielu węzłach niesie bogatszą informację niż pojedyncze urządzenie, przypominając współpracę grup neuronów w mózgu.

Od prostych wzorów do mowy i fal mózgowych

Aby wykazać praktyczność obliczeń, autorzy najpierw podłączyli macierze nikielatu w kompaktowym eksperymencie rozpoznawania wzorców. Proste czarno‑białe kształty 5×5 są konwertowane na serie impulsów napięciowych, które napędzają warstwę Pd–Pd. Ewoluujące prądy na wybranych padach są następnie przekształcane na napięcia zasilające warstwę wyjściową Pd–Au, której rezystancje są trenowane, by rozróżniać wzory. Sprzęt poprawnie klasyfikuje wejścia, pokazując, że przetwarzanie czasowo‑przestrzenne wraz z liniowym odczytem może zaimplementować pełen potok rozpoznawania w tym samym materiale. Zespół następnie modeluje znacznie większe sieci na podstawie zmierzonych zachowań urządzeń. W zadaniu rozpoznawania wypowiadanych cyfr sygnały dźwiękowe są wstępnie przetwarzane na serie impulsów w wielu kanałach częstotliwości, zanim trafią do warstwy przetwarzającej nikielatu

Co to oznacza dla przyszłego inteligentnego sprzętu

Mówiąc prostymi słowami, praca pokazuje, że pojedynczy, starannie zaprojektowany materiał potrafi jednocześnie „wyczuwać” szybkie strumienie sygnałów i „pamiętać” to, co istotne dla późniejszych decyzji, podobnie jak uproszczony fragment tkanki mózgowej. Ponieważ urządzenia nikielatowe działają na impulsach rzędu nanosekund i przy minimalnym zużyciu energii, oferują obiecującą drogę do kompaktowych, niskomocowych układów, które analizują dźwięk, mowę czy sygnały medyczne w czasie rzeczywistym bez wysyłania danych do odległych serwerów. Te same zasady — ruch protonów kształtujących ścieżki przewodzenia i urządzenia wpływające na siebie przez wspólne podłoże — mogą być rozszerzane lub łączone z innymi zaawansowanymi materiałami, wskazując kierunek na sprzęt, który natywnie ucieleśnia splecione obliczenia zależne od przestrzeni i czasu, jakie mózgi wykonują z taką łatwością.

Cytowanie: Zhou, Y., Shah, S., Dey, T. et al. Protonic nickelate device networks for spatiotemporal neuromorphic computing. Nat. Nanotechnol. 21, 579–587 (2026). https://doi.org/10.1038/s41565-026-02133-0

Słowa kluczowe: sprzęt neuromorficzny, nikielat protonowy, obliczenia czasowo‑przestrzenne, reservoir computing, niskomocowa sztuczna inteligencja