Физическая сеть эхо‑состояний на основе нелинейности и динамического отклика амбиполярных гетероструктурных транзисторов

Почему это важно для повседневных технологий

От голосовых помощников до приложений погоды — многие современные интеллектуальные инструменты зависят от обнаружения паттернов, меняющихся во времени, таких как произнесённые слова, сердечный ритм или траектории штормов. Традиционные микрочипы неэффективно справляются с такими временными данными, потому что их архитектура не имитирует работу мозга. В этой работе представлен новый аппаратный элемент — крошечные устройства, называемые амбиполярными транзисторами, соединённые между собой таким образом, чтобы имитировать особую сеть, вдохновлённую мозгом, известную как сеть эхо‑состояний. В результате получилась физическая вычислительная система, способная распознавать изображения, интерпретировать сигналы и прогнозировать развитие сложных процессов при очень низком энергопотреблении.

Новый тип схемы, вдохновлённой мозгом

Обычные чипы разделяют память и обработку, постоянно перенося данные туда‑сюда, что тратит время и энергию. Нейроморфные вычисления идут другим путём: они стремятся объединить память и обработку в сетях, которые ведут себя скорее как ансамбли нейронов и синапсов в мозге. Сети эхо‑состояний — особый класс таких сетей. Входные сигналы подаются в большую, фиксированную сеть взаимосвязанных единиц — «резервуар», где сигналы перемешиваются и отзываются во времени. Обучается только финальный слой считывания, что значительно упрощает процесс обучения. Авторы поставили ключевой вопрос: можно ли создать такой резервуар не в программной симуляции, а прямо из физических устройств, чтобы аппаратная часть сама выполняла основную работу?

Амбиполярные транзисторы как искусственные нейроны и синапсы

Команда разработала транзисторы из наслоенной органо‑неорганической пары материалов: слоя оксида цинка и полимера P3HT. Тщательно подобрав толщины слоёв, они создали устройства, которые с примерно одинаковой лёгкостью проводят как положительные, так и отрицательные заряды — свойство, называемое амбиполярной проводимостью. Эти транзисторы имеют область почти линейного электрического отклика и область, где характеристика плавно изгибается в S‑образную форму, напоминая функцию tanh, используемую в качестве активации во многих нейронных сетях. В линейном режиме они действуют как регулируемые связи (синапсы), выполняя взвешенные суммы. В насыщенном режиме они ведут себя как нейроны, сжимающие сигналы в ограниченный диапазон. Поскольку ток через каждое устройство также зависит от недавних изменений напряжения, аппаратура естественным образом хранит кратковременную историю, что даёт резервуару встроенное чувство времени.

От рукописных цифр до хаотичных систем, похожих на погоду

Для проверки физической сети эхо‑состояний исследователи разместили эти амбиполярные транзисторы в матрицах и связали их с простыми входными и выходными цепями. Сначала они решили задачи распознавания образов, используя известные наборы изображений. Подавая в резервуар развернутые изображения рукописных цифр и предметов одежды, они достигли примерно 95% точности для распознавания цифр и 86% для предметов моды в базовом режиме работы, и почти 97% и 87% соответственно, когда они в большей степени использовали динамическое поведение устройств через хитрое импульсное кодирование. Затем они перешли от статических изображений к реальным задачам временных рядов. Система предсказывала движение аттрактора Лоренца — классической модели хаотичной, похожей на погодную динамики — с очень низкой ошибкой, а также прогнозировала движение и положение центра реального тайфуна во времени.

Прослушивание сердец и чтение эмоций

Поскольку многие реальные задачи включают несколько типов данных, команда также исследовала мультимодальные задачи. Они преобразовали сигналы электрокардиограммы в одно‑ и двухмерные представления: одномерные волновые формы и двумерные временно‑частотные изображения, отправляя каждое в тот же амбиполярный резервуар. Объединив полученные внутренние состояния, система классифицировала паттерны сердечных сигналов точнее, чем при использовании любого из режимов по отдельности. В другом исследовании они использовали резервуар в качестве фронт‑энда для анализа набора данных с речью человека, текстом и выражениями лица. Когда аудио, языковые и визуальные признаки сначала обрабатывались через амбиполярную сеть, а затем передавались стандартному программному классификатору, точность распознавания заметно возрастала по сравнению с чисто программным подходом. Во всех этих экспериментах амбиполярные устройства стабильно превосходили более простые n‑ или p‑тип транзисторы благодаря сбалансированному отклику на положительные и отрицательные сигналы и более богатой внутренней динамике.

Что это значит для будущих умных устройств

Для неспециалистов главный вывод таков: эта работа превращает математическую идею — сеть эхо‑состояний — в материальный аппарат, где каждый транзистор ведёт себя как крошечный, отзывчивый нейрон и синапс вместе взятые. Поскольку внутренние связи резервуара не требуют обучения, а сами устройства обеспечивают и нелинейность, и кратковременную память, полученная система способна решать задачи распознавания изображений, анализа сигналов и прогнозирования временных рядов с более простыми алгоритмами и потенциально при значительно меньшем энергопотреблении. Это указывает путь к будущим чипам, которые смогут более естественно обрабатывать потоки информации так, как это делает наш мозг, обеспечивая более умные и энергоэффективные сенсоры, носимые устройства и инструменты прогнозирования без тяжёлых вычислительных затрат современных систем глубокого обучения.

Цитирование: 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

Ключевые слова: нейроморфное аппаратное обеспечение, сеть эхо‑состояний, амбиполярный транзистор, прогнозирование временных рядов, резервуарные вычисления