Приложения, связанные с применением искусственного интеллекта (ИИ) и интернета вещей, требуют высокопроизводительных вычислительных систем. Современные цифровые нейроморфные сопроцессоры, которые изготавливаются по КМОП-технологии, неэффективны при выполнении нейросетевых алгоритмов, из-за ограничений архитектуры фон-Неймана. Перспективное направление для исследований - интегральные схемы на основе энергонезависимых сегнетоэлектрических транзисторов. В работе приведен обзор исследований, посвященных сегнетоэлектрическим материалам, характеристикам сегнетоэлектрических транзисторов и методам их исследования.
Применение структуры и принципов работы человеческого мозга открывает большие возможности для создания искусственных систем на основе кремниевой технологии. Энергоэффективность и производительность биоподобной архитектуры могут оказаться существенно выше по сравнению с традиционной архитектурой фон Неймана. В данной работе представлен обзор наиболее перспективных архитектур ANN, SNN для биоподобных систем, называемых нейроморфными системами. Рассматриваются приборы для биоподобных систем, такие как мемристоры и сегнетоэлектрические транзисторы, для использования в качестве искусственных синапсов, определяющих возможность создания различных архитектур нейроморфных систем; методы и правила обучения структур для корректной работы при имитации биологических правил обучения, таких как долговременная синаптическая пластичность. Обсуждаются проблемы, препятствующие реализации биоподобных систем, а также примеры архитектур, практически реализованных в настоящее время.
Индексирование
Scopus
Crossref
Higher Attestation Commission
At the Ministry of Education and Science of the Russian Federation