Быстрые и медленные сигналы теперь могут обрабатываться одновременно благодаря инновационной электронной компоненте.

Современный искусственный интеллект часто сталкивается с необходимостью анализировать информацию, поступающую с разной скоростью. Например, камеры автомобилей должны одновременно реагировать на внезапное появление пешехода на дороге, отслеживать плавное движение других транспортных средств и учитывать долгосрочные изменения дорожной обстановки. Аналогичные вызовы стоят перед робототехникой и носимыми гаджетами, которые получают данные от множества датчиков с различной динамикой изменений. Группа инженеров разработала новый полупроводниковый компонент, позволяющий предварительно настроить обработку различных временных масштабов на аппаратном уровне, вместо того чтобы полагаться только на программное обеспечение.

Разработка получила название программируемого динамического мемтранзистора (PDM). Этот компонент сочетает характеристики запоминающего элемента и стандартного транзистора: может управлять электрическим потоком и одновременно сохранять информацию о предыдущих входных сигналах. Благодаря этому свойству поведение элемента в настоящий момент зависит от истории получаемых сигналов, что критически важно при анализе временных последовательностей данных.

Обычные вычислительные системы требуют выполнения дополнительных операций для обработки таких сигналов. Когда значения постоянно изменяются, компьютер должен анализировать всю историю данных, выявлять закономерности между соседними точками и обрабатывать колебания разной продолжительности. Большинство этих операций выполняется на программном уровне, что приводит к увеличению вычислительной нагрузки и повышению энергопотребления.

Попытки перенести часть обработки непосредственно на полупроводниковый уровень предпринимались ранее, но существующие решения имели существенный недостаток. Скорость реакции таких компонентов устанавливалась в процессе производства и не могла быть изменена впоследствии. Элемент, предназначенный для быстрых сигналов, было невозможно переконфигурировать в медленный режим после его изготовления.

В PDM эту проблему решили, используя двухслойную структуру. Первый слой аккумулирует электрический заряд и преобразует входящий сигнал. Второй слой захватывает электроны и регулирует скорость возврата полупроводника в исходное состояние после воздействия. Количество захватываемых электронов можно менять в различных диапазонах, фактически программируя требуемую длительность реакции компонента.

В ходе тестирования удалось регулировать время восстановления электрического тока в диапазоне примерно пять раз, а характеристическую частоту, отражающую скорость обрабатываемых изменений, — более чем в десять раз. Выбранные настройки сохраняются без постоянного энергоснабжения, что означает, что чип не расходует электроэнергию только для поддержания конфигурации.

Исследователи создали матрицу из отдельных PDM-элементов, где каждый компонент имеет собственные временные параметры. Некоторые элементы быстро возвращались в исходное состояние и хорошо реагировали на краткие резкие скачки, другие действовали медленнее и дольше сохраняли память о предыдущих сигналах. Это позволило обрабатывать одну последовательность данных одновременно на различных временных шкалах без унификации поведения всех элементов массива.

Испытания на сложных временных последовательностях продемонстрировали значительное улучшение точности. При прогнозировании сигнала, состоящего из нескольких частотных компонентов, погрешность составила менее одной сороковой от ошибки традиционного метода с фиксированной одной временной реакцией.

Отдельное исследование провели с многомерными хаотическими системами, где множество переменных взаимодействуют нелинейно, а малейшие начальные отклонения со временем приводят к значительным различиям в развитии системы. Новая матрица уменьшила прогностическую ошибку более чем в четыре раза в этом сценарии.

Метод оказался полезным и в случаях, когда один объект может менять скорость движения. Рукописный текст человека варьируется в зависимости от скорости письма, а объекты перед видеокамерой ускоряются и замедляются. Вместо обязательной предварительной трансформации входящего потока можно настроить временные характеристики самих элементов таким образом, чтобы матрица работала с переменными темпами на уровне аппаратного обеспечения.

Разработанную матрицу также протестировали на прогнозировании сложных информационных потоков и сравнили с классической программной обработкой. По своей точности аппаратная реализация была эквивалентна программному варианту, но потребляла значительно меньше энергии. Для мобильных и портативных устройств эта разница особенно критична: роботы, переносимая электроника и автомобильные системы вынуждены выполнять обработку в реальном времени, при этом не могут неограниченно увеличивать энергопотребление и генерируемое тепло.

Переход от экспериментального образца к промышленному производству не требует применения экзотических технологий. PDM совместим со стандартными материалами, уже используемыми в известных коммерческих полупроводниковых производственных процессах. Такая совместимость облегчает масштабирование массивов и их внедрение в серийное микросхемостроение.