Транснейроны: когда мемристор ведёт себя как нейрон

Пока мы не можем полностью воспроизвести работу мозга в «железе». Но, учёные идут другим путём и создают устройства, которые имитируют отдельные элементы нервной системы. В августе 2025 году в Nature Communications вышла работа, посвящённая аппаратным искусственным нейронам на основе диффузионных мемристоров. Авторы ввели для таких устройств новый термин — транснейроны.

Диффузионные мемристоры – это разновидность мемристоров, в которых электрическая проводимость определяется временной динамикой диффузии наночастиц (например, серебра) в оксидной матрице.

Предлагаю подробнее погрузиться в новое открытие ученых.

Что именно исследовали авторы

Авторы работы исследовали поведение одиночного искусственного нейрона, реализованного на базе диффузионного мемристора. Цель исследования состояла в том, чтобы экспериментально измерить импульсную (спайковую) активность такого нейрона и сравнить её с активностью биологических нейронов коры мозга. Сравнение выполнялось по количественным статистическим характеристикам.

В качестве биологического эталона использовались нейрофизиологические записи активности нейронов макаки из трёх областей коры: зрительной области, теменной области, связанной с планированием движений, и премоторной коры. Они отличаются типами спайковой динамики, и это позволяет сравнивать искусственный нейрон с нейронами, выполняющими разные функциональные роли.

Со стороны аппаратной части исследовался один и тот же физический нейрон, собранный по фиксированной схеме. Его поведение изменялось исключительно за счёт внешних параметров: приложенного напряжения, сопротивления нагрузки, ёмкости и температуры. Конструкция устройства при этом не менялась. Таким образом, в центре исследования находился один универсальный элемент, способный демонстрировать разные режимы активности.

Авторы отдельно подчеркнули, что работа не была направлена на моделирование нейронных сетей или когнитивных функций. Исследование ограничивалось одиночным нейроном, поскольку воспроизведение корректной спайковой динамики на этом уровне рассматривалось как необходимое условие для дальнейшего масштабирования.

Диффузионный мемристор и схема искусственного нейрона

В основе искусственного нейрона, использованного в работе, лежит диффузионный мемристор с активным слоем на основе серебра. Он отличается от классического тем, что его проводящее состояние формируется и разрушается за счёт диффузии и агрегации металлических кластеров, а не стабильного проводящего канала.

Конструктивно устройство представляет собой тонкоплёночную структуру, в которой под действием электрического поля атомы серебра образуют временные проводящие кластеры. Эти кластеры нестабильны: после снятия напряжения они распадаются, возвращая мемристор в высокоомное состояние. За счёт этого элемент обладает выраженной временной динамикой и чувствительностью к шуму и температуре.

Искусственный нейрон собирается в виде простой электрической цепи. Мемристор соединён с резистором и конденсатором, формируя интегрирующий контур. При подаче постоянного или переменного напряжения заряд на конденсаторе накапливается до тех пор, пока мемристор не переходит в проводящее состояние. В этот момент происходит резкий разряд и формируется импульс. После этого мемристор возвращается в исходное состояние, и цикл повторяется.

Порог срабатывания мемристора зависит от текущего состояния устройства, температуры и статистики предыдущих событий. В результате интервалы между спайками оказываются нерегулярными, даже при постоянных входных параметрах. Именно эта стохастическая динамика позволяет рассматривать такой элемент не как детерминированный генератор импульсов, а как аппаратный аналог биологического нейрона.

Схема искусственного нейрона оставалась неизменной на протяжении всех экспериментов. Все наблюдаемые режимы активности возникали за счёт внутренних физических процессов в мемристоре и изменения внешних параметров, а не за счёт перепроектирования устройства.

Режимы спайковой активности

В экспериментах с диффузионными мемристорами авторы показали, что искусственный нейрон может вести себя по-разному в зависимости от условий. При низком напряжении и высокой температуре устройство остается почти «тихим»: спайки возникают редко и случайно, когда флуктуации кратковременно формируют проводящий канал. При увеличении напряжения мемристор переходит в устойчивый режим и спайки следуют с почти постоянным интервалом, напоминая регулярную ритмическую активность. При ещё более высоких значениях параметров возникает бурстинг — серии быстрых импульсов, разделенные паузами.

Таким образом, транснейрон демонстрирует три режима спайковой активности: редкие шумовые спайки, регулярный ритм и бурстинг. Их появление определяется сочетанием напряжения, температуры и параметров цепи, управляющих формированием и разрушением серебряных филаментов. Для вычислений это важно: шумовые спайки позволяют кодировать случайные события, регулярная активность поддерживает устойчивый ритм, а бурстинг усиливает сигнал и выделяет значимые стимулы. Именно такая гибкость делает искусственный нейрон функционально ближе к живому.

Сравнение с реальными нейронами коры мозга

Чтобы проверить, насколько искусственный нейрон действительно похож на живой, авторы сравнили его активность с данными о нейронах зрительной, теменной и премоторной коры у бодрствующих макак. Эти области были выбраны не случайно. Они отвечают за разные функции и демонстрируют широкий спектр спайковой динамики.

Ключевым инструментом анализа стали интервалы между импульсами и два коэффициента вариации: CV1 и CV2. Первый отражает общую нерегулярность активности, второй – локальные колебания между соседними интервалами. В живых нейронах эти показатели варьируются в зависимости от области коры и типа клетки.

Экспериментальные данные показали, что транснейроны воспроизводят те же диапазоны значений. Один искусственный элемент может настроиться так, чтобы вести себя как разные типы биологических нейронов.

Транснейрон: один элемент — несколько ролей

Авторы ввели новый термин – транснейрон. Он подчёркивает, что один искусственный нейрон на базе диффузионного мемристора способен «переходить» между функциями разных биологических клеток.

Это принципиально отличается от классических нейросетей и современных нейропроцессоров (NPU). В них каждый искусственный нейрон жёстко запрограммирован на одну роль: он выполняет фиксированную функцию в сети, а разнообразие поведения достигается только за счёт большого числа элементов и их связей. Транснейрон же демонстрирует гибкость на уровне одного устройства. Он может менять характер своей активности без перестройки сети, что делает его функционально ближе к живым нейронам, которые тоже способны адаптироваться к контексту и входным сигналам.

Селективность

Важным свойством живых нейронов является селективность. Клетки зрительной коры, например, сильнее реагируют на стимулы определённой частоты или направления движения. Это и есть рецептивное поле: нейрон «настроен» на свой оптимальный сигнал и отвечает на него максимальной активностью.

Авторы показали, что транснейрон способен демонстрировать аналогичное поведение без сложной сети. В эксперименте на устройство подавали комбинированный сигнал: постоянное напряжение и переменную составляющую. При изменении частоты переменной части активность транснейрона менялась неравномерно: наблюдался максимум отклика на определённой частоте, а при других частотах импульсов становилось меньше. Если увеличивать амплитуду сигнала, этот максимум смещался точно так же, как у зрительных нейронов, чья «любимая частота» зависит от контраста изображения.

Совпадение эффектов показывает, что даже одиночный искусственный нейрон может выполнять роль фильтра, выделяя нужный ритм стимуляции среди множества других. Для обработки сигналов это означает возможность строить компактные схемы, в которых каждый элемент сам по себе обладает селективностью. Такой подход приближает искусственные системы к живыми.

Вычисления внутри одного нейрона: сравнение сигналов

Одним из самых впечатляющих результатов работы стало то, что транснейрон способен выполнять вычисления, которые в биологии обычно требуют мини‑сети клеток. Речь идёт о сравнении сигналов по фазе.

В основе этого эффекта лежит мультистабильность. Система может находиться в двух устойчивых состояниях: спайковом и не‑спайковом. Переходы между ними зависят от глубины «бассейнов притяжения» и уровня шума. При изменении управляющих параметров возникает гистерезис: устройство может задерживаться в одном режиме, даже если условия уже изменились, и переключаться только при достаточно сильном воздействии.

Чтобы проверить вычислительные возможности, авторы подали на транснейрон два входа. Первый – переменное напряжение, второй – колебания температуры среды. Оба сигнала имели одинаковую частоту, но были смещены по фазе. Оказалось, что интенсивность спайков напрямую зависит от этого фазового сдвига: при синфазных колебаниях активность минимальна, а при противофазных – максимальна. Таким образом, один искусственный нейрон работает как фазовый детектор, кодируя относительную фазу двух сигналов в частоте спайков.

Экспериментальные измерения совпали с моделированием: при противофазе транснейрон дольше остаётся в спайковом режиме, а при синфазе чаще возвращается в не‑спайковый. Это значит, что устройство может выполнять операцию сравнения сигналов — задачу, которая в живых сетях требует нескольких клеток.

Авторы также оценили энергетику процесса и выяснили, что транснейрон более энергоэффективен в отличие от классических электросхем. Генерация одного спайка в диффузионном мемристоре требует порядка 10⁻¹³ Дж.

Что это меняет для ИИ и аппаратных систем

Авторы подчеркнули, что транснейрон не предназначен для массового параллельного умножения матриц и обучения глубоких сетей. Его сила заключается в способности одного физического элемента воспроизводить разнообразные режимы активности, характерные для живых нейронов, и выполнять вычисления, которые обычно требуют мини‑сети.

Потенциальные применения связаны прежде всего с нейроморфными системами. Транснейроны могут стать основой компактных процессоров для обработки сенсорных сигналов, когда важна энергоэффективность и гибкость. Один элемент способен фильтровать частоты, сравнивать сигналы по фазе, переключаться между режимами: всё это делает возможным создание устройств, которые ближе к биологическим принципам обработки информации. Такие схемы могут использоваться в робототехнике, системах управления, компактных вычислителях для анализа потоков данных.

При этом авторы признали, что пока речь идёт о демонстрации принципа на отдельных устройствах, а не о масштабируемых архитектурах. Управление параметрами требует точного контроля напряжения и температуры. Кроме того, транснейроны не решают задачи обучения больших моделей. Их назначение скорее в локальной обработке сигналов и имитации биологических функций.

Заключение

Эксперименты показали, что диффузионный мемристор способен вести себя как живой нейрон. Причём статистика его активности перекрывается с данными реальных клеток зрительной, теменной и премоторной коры.

Один и тот же элемент может менять «роль» и имитировать разные типы нейронов, просто переключаясь между режимами. Именно поэтому авторы исследования ввели понятие транснейрона, как универсального блока, который совмещает несколько функций и умеет сравнивать сигналы внутри себя.

Такие устройства открывают путь к нейроморфным процессорам и компактным сенсорным системам, где вычисления выполняются прямо внутри одного нейрона и при этом требуют минимальной энергии.

Для инженеров и разработчиков это сигнал о появлении нового класса элементов. Не конкурентов GPU, а гибких и энергоэффективных «строительных кирпичиков», которые ближе к биологическим принципам обработки информации и могут стать основой будущих когнитивных вычислителей.

Размещайте облачную инфраструктуру и масштабируйте сервисы с надежным облачным провайдером Beget.
Эксклюзивно для читателей Хабра мы даем бонус 10% при первом пополнении.