Оптомагнитный нейрон

Затраты энергии на работу вычислительных устройств год от года растут опережающими темпами по отношению к общему энергопотреблению. Это стало заметно уже даже рядовому обывателю: сообщения о многочисленных эксцессах, связанных с майнингом биткоинов, еще совсем недавно были частью ежедневной информационной повестки, а это лишь одно из проявлений возрастающей доли энергозатрат на вычисления. Если сейчас она составляет 7% от общего энергопотребления, то к 2030 году, при сохранении текущей тенденции, она достигнет отметки 50%! Вот почему, наряду с поиском физических способов записи и обработки информации с ультрамалым энергопотреблением, взгляд ученых и инженеров все чаще обращается в сторону методов и устройств, основанных на тех же принципах организации, что и наш мозг, потребляющий 20 Вт мощности там, где обычные бинарные алгоритмы требуют использования суперкомпьютеров мощностью 10 МВт. Впрочем, материальное воплощение этих, как их называют “brain-inspired” подходов, также является задачей физиков.

В недавней работе группы исследователей из Radboud Univ. (Нидерланды) [1] предложена схема, моделирующая обучение нейрона, на основе сочетания оптических и магнитных технологий, что позволяет объединить быстродействие первых и энергонезависимость последних. Под энергонезависимостью (nonvolatility) понимается возможность сохранения информации без энергетических затрат (а это действительно важно, ведь никому не хочется, чтобы нейроморфная схема при внезапном отключении питания забыла все, чему ее научили).

В качестве среды для записи информации авторы использовали многослойные пленки Co/Pt с перпендикулярной магнитной анизотропией. Толщина магнитного слоя составляла 0.6 нм. Импульсное излучение от фемтосекундного лазера, сфокусированное на образец, позволяло переключать направление намагниченности в пленке за счет эффекта оптически индуци-рованного изменения магнитной анизотропии (необходимая для этого плотность энергии одиночного импульса – порядка 1 мДж на квадратный сантиметр). Данный эффект не выходил бы за пределы уже известных оптомагнитных явлений, если бы не одно примечательное обстоятельство: диаметр перемагниченной светом области растет с числом импульсов одной циркулярной поляризации и также непрерывно уменьшается при последовательном действии импульсов противоположной поляризации (рис. 1). Это позволяет моделировать свойство синаптической пластичности – постепенного изменения свойств синапса под действием повторяющихся возбуждений.

Наряду с синаптической пластичностью, важным фактором в процессе обучения нейроморфных схем является также наличие обратной связи, которая позволяет делать “работу над ошибками”: менять весовые коэффициенты, с которыми берутся входные сигналы прямо по ходу обучения, чтобы приближать отклик системы к желаемому. В данной схеме в роли входных сигналов выступали импульсы лазерного излучения, действующего на образец. Их вес изменялся в зависимости от состояния намагниченности образца, которое контролировали также оптически (рис. 1). В качестве выходного сигнала выступала сумма интегральных интенсивностей магнитооптических изображений после воздействия импульса лазера на материал (т.е. сумма входных сигналов с весами) из которой вычитали пороговое значение интенсивности (наличие порога – также неотъемлемая часть всех нейроморфных схем). Этот выходной сигнал сравнивали с эталонным и вычисляли сигнал ошибки, который подстраивал веса входных сигналов (т.е. состояние намагниченности в образце) на следующем этапе.

Процесс обучения устройства работе в режиме логического “И” представлен на рис. 2: если сначала схема на “единицы” и “нули” давала на выходе одинаковый по знаку сигнал (рис. 2а), то с каждым новым повтором результат становился все более близким к желаемому (рис. 2b), пока, наконец, схема не выдала положительный отклик на две единицы на входе и отрицательный на все остальные случаи, что и соответствует логической схеме “И” (рис. 2c). Авторами [1] также была показана возможность обучения алгоритму работы в режиме “ИЛИ”.

Стоит подчеркнуть, что ключевой здесь является способность схемы обучаться: логические бинарные операции “И”, “ИЛИ” выбраны лишь как простой пример, а в принципе, данный подход может быть использован и для решения задач распознавания изображений. Энергетические потери в таком оптомагнитном синапсе оцениваются авторами [1] как 60 пДж на операцию. Быстродействием они похвастаться не могли (так как эксперимент предполагал работу с механическими затворами), но при дальнейшем совершенствовании методов управления в сторону чисто оптических, быстродействие может составить невообразимые 50 ГГц.

А. Пятаков

1. A.Chakravarty et al., Appl. Phys. Lett. 114, 192407 (2019).

Комментарии: