Учёные из Германии и Китая совершили прорыв в разработке мемристоров — энергоэффективных компонентов, которые имитируют принципы работы нейронов мозга. Новая технология, созданная в Центре Юлиха под руководством Ильи Валова, решает проблему «катастрофического забывания», когда искусственный интеллект теряет ранее усвоенные данные при обучении новым задачам.

Мемристоры, сочетающие функции памяти и резистора, меняют своё сопротивление под напряжением и сохраняют это состояние после отключения питания. В отличие от классических транзисторов, они позволяют создавать нейроморфные системы, где вычисления и хранение данных происходят в одном месте — как в биологическом мозге. Однако предыдущие версии таких компонентов страдали от нестабильности: металлические проводящие нити (ECM-тип, хрупкие металлические «проводки», частично разрушающиеся) быстро разрушались при изменении напряжения, а системы на основе кислородных ионов (VCM-тип) требовали высокого напряжения.

Команда Валова разработала мемристоры нового типа (FCM). В них вместо металлических нитей формируются устойчивые структуры из оксида тантала, которые не «растворяются» при смене напряжения, а плавно меняют проводимость за счёт движения ионов кислорода и тантала. Это происходит благодаря перемещению заряженных частиц (ионов) внутри материала. Технология обеспечила широкий рабочий диапазон (от 0,5 до 2,5 В), устойчивость к нагреву и снижение производственного брака на 25%.

Ключевое преимущество — возможность переключаться между аналоговым и цифровым режимами. Это критично для нейросетей: например, автономный автомобиль сможет обучаться новым маршрутам, не теряя навыков вождения в условиях плохой видимости, а «умные очки» — адаптироваться к привычкам пользователя без сброса настроек. В тестах система на базе FCM-мемристоров показала точность распознавания изображений на уровне 94%, сохраняя предыдущие «знания».

«Сейчас мы исследуем другие материалы, чтобы повысить стабильность компонентов», — отмечает Валов. По прогнозам, первые промышленные образцы нейроморфных чипов появятся до конца 2025 года. Это ускорит развитие «вычислений в памяти» — направления, которое может снизить энергопотребление ЦОДов на 30% и сделать ИИ-устройства более автономными.