Un rezistor care funcționează într-un mod similar cu celulele nervoase din organism ar putea fi folosit pentru a construi rețele neuronale pentru învățarea automată.
Deși multe modele complexe de învățare automată se bazează pe cantități tot mai mari de putere de procesare pentru a genera rezultatele, ele consumă niveluri mari de energie și produc foarte multă căldură.
O soluție propusă este învățarea automată analogică, care funcționează într-un mod similar cu un creier și folosește dispozitive electronice similare neuronilor pentru a acționa ca părți ale modelului. Totuși, aceste dispozitive nu au fost până în prezent suficient de rapide, mici sau eficiente pentru a oferi avantaje față de învățarea automată digitală.
Murat Onen și colegii acestuia din cadrul Institutului de Tehnologie din Massachusetts au creat un rezistor la scară nanometrică, care transmite protoni de la un terminal la altul. Aceasta funcționează ca o sinapsă, adică o conexiune între doi neuroni, în care ionii curg într-o direcție pentru a transmite informații. Totuși, aceste „sinapse artificiale” sunt de 1000 de ori mai mici și de 10.000 de ori mai rapide decât cele biologice.
Așa cum un creier uman învață prin remodelarea conexiunilor dintre milioane de neuroni interconectați, la fel și modelele de învățare automată ar putea rula pe rețelele acestor nanorezistențe.
„Deși procesele precum transportul ionic sunt oarecum similare cu cele biologice, acestea au loc mult mai rapid în cazul sistemului artificial”, a declarat Onen, al cărui dispozitiv este de un milion de ori mai rapid decât încercările anterioare bazate pe transportul de protoni.
Rezistorul folosește câmpuri electrice puternice pentru a transporta protoni la viteze foarte mari fără a deteriora sau rupe rezistorul în sine, o problemă care a apărut anterior în cazul rezistențelor de protoni de tip solid-state.
În ceea ce privește învățarea automată analogică practică, vor fi necesare sisteme care conțin multe milioane de rezistențe. Deși Onen admite că aceasta este o provocare de inginerie, faptul că toate materialele sunt compatibile cu siliciul ar trebui să faciliteze integrarea cu arhitecturile de calcul existente.
„În ceea ce privește performanțele tehnologiei, și anume viteza foarte mare, consumul redus de energie și eficiența, această realizare este cu adevărat impresionant. Cu toate acestea, din cauza faptului că dispozitivul folosește trei terminale în loc două (precum un neuron uman), rularea anumitor rețele neuronale ar putea fi dificilă”, a declarat Sergey Saveliev din cadrul Universității Loughborough, Regatul Unit.
Deși Pavel Borisov din cadrul Universității Loughborough este de părere că aceasta este o tehnologie impresionantă, el subliniază faptul că protonii provin din hidrogen gazos, ceea ce s-ar putea dovedi dificil de păstrat în siguranță în dispozitiv atunci când tehnologia va fi scalată.
