Нейроны с обратной связью на основе перовскитного мемристора с катодом из восстановленного оксида графена, инжинированного одиночными атомами никеля

Чипы, вдохновлённые мозгом, для умных машин

Современные компьютеры быстры, но удивительно неэффективны в задачах, с которыми наш мозг справляется легко — например, распознавание цветка или планирование оптимального маршрута через множество городов. В этой статье описан новый тип электронного компонента, который ведёт себя больше как настоящий нейрон головного мозга, обрабатывая одновременно сигналы «вперёд» и «назад» в одном компактном устройстве. За счёт точной атомной инженерии материалов исследователи создают искусственные нейроны, способные учиться распознавать шаблоны и решать сложные задачи оптимизации с намного меньшими аппаратными затратами, чем у современных процессоров.

Зачем нужны новые типы нейронов в аппаратуре

Биологические нейроны постоянно уравновешивают два типа сигналов: возбуждающие, стимулирующие их к срабатыванию, и тормозящие, сдерживающие активность. Баланс между ними критичен для стабильного мышления, восприятия и принятия решений. Особый класс — нейроны с обратной связью — смешивает входящие «прямые» сигналы с «обратными» ингибирующими сигналами, что даёт эффекты соревнования между нейронами и механизмы «победитель забирает всё», когда выживает только самый сильный отклик. Воспроизвести это двоякое, тонко отрегулированное поведение в электронике трудно. Большинство существующих «мемристоров», которые запоминают свою электрическую историю, проводят ток преимущественно в одном направлении и слишком быстро расслабляются, поэтому они плохо подходят в качестве аналогов нейронов, которые должны интегрировать сигналы в течение миллисекунд.

Создание более умного электронного устройства

Команда преодолевает эти ограничения, используя перовскитный мемристор — устройство, чья проводимость может изменяться постепенно — в сочетании с необычным катодом из восстановленного оксида графена, украшенным одиночными атомами никеля. Этот слой одиночных атомов никеля — не просто пассивный контакт. Во‑первых, он настраивает энергетический ландшафт на границе раздела так, чтобы электроны могли течь более симметрично в обе стороны, поддерживая сбалансированные возбуждающие и тормозящие поведения. Во‑вторых, он повышает энергетический барьер для ионов йодида, движущихся в электрод. Вместо того чтобы двигаться свободно, ионы частично конфайнены и перемещаются медленнее и обратимо. Такое контролируемое движение растягивает «память» устройства о прошлых сигналах до биологически релевантного миллисекундного диапазона без необходимости громоздких внешних конденсаторов.

Как атомный дизайн формирует поведение

С помощью передовой микроскопии и спектроскопии исследователи подтверждают, что атомы никеля индивидуально закреплены на кислородных сайтах внутри слоя на основе графена, а не скапливаются в частицы. Компьютерные расчёты показывают, что такая атомная конфигурация сдвигает электронные уровни углеродного листа, делая его более металлическим и лучше согласованным с лежащим под ним перовскитом. Одновременно расчёты выявляют более высокий барьер диффузии для ионов йодида при наличии никеля. В экспериментах устройства с таким инжинированным катодом плавно проходят примерно через 1000 различных уровней проводимости и демонстрируют почти зеркально-симметричные отклики при положительных и отрицательных протяжках напряжения. Ток в них спадает примерно за 780 миллисекунд после воздействия — временной масштаб, близкий к временному диапазону живых нервных клеток — что позволяет устройству достоверно имитировать динамику «утекающей интеграции и генерации» (leaky integrate-and-fire).

От отдельного устройства к обучающейся сети

Подавая на эти мемристоры специально подобранные импульсы напряжения, команда демонстрирует, что одно устройство может действовать как нейрон с обратной связью: оно суммирует входящие импульсы, «срабатывает», когда его ток пересекает порог, а затем медленно «протекает» обратно к состоянию покоя. Отрицательные импульсы подавляют его проводимость, обеспечивая электронную форму ингибиции. Сети таких нейронов располагаются в крест-барных матрицах и связаны с простой управляющей электроникой на программируемых вентильных матрицах (FPGA). В одной демонстрации система выполняет неконтролируемое конкурентное обучение на данных о цветах, группируя три типа цветов по измеренным признакам, причём каждый нейрон специализируется на своём типе. В другом тесте кооперативная схема обучения на базе самоорганизующейся карты использует те же нейроны для решения задачи коммивояжёра, классической задачи логистики, сходясь к эффективным маршрутам до шести раз быстрее, чем стандартный алгоритм имитации отжига.

Что это значит для будущих вычислений

Проще говоря, эта работа показывает, что мы всё лучше можем строить электронные компоненты, которые ведут себя как крошечные настраиваемые клетки мозга, а не как простые выключатели вкл/выкл. Размещая одиночные атомы никеля в точно подобранных местах внутри слоя на основе графена, авторы получают точный контроль как над электронами, так и над ионами, создавая устройство, которое может возбуждать, тормозить и медленно забывать в мозгоподобной манере. Эти искусственные нейроны с обратной связью можно плотно упаковывать, им требуется немного вспомогательной схемотехники, и они уже решают реалистичные задачи обучения и оптимизации. По мере улучшения таких устройств они могут стать основой компактной и энергоэффективной аппаратуры, дополняющей или даже заменяющей части современных энергоёмких цифровых процессоров в приложениях от распознавания образов до интеллектуального планирования.

Цитирование: 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

Ключевые слова: нейроморфные вычисления, мемристор, перовскитные устройства, электроника на графене, обучение в аппаратуре