Рамбиди Н. Нанотехнология и молекулярные вычислительные устройства

 
 

Нанотехнология сегодня в немалой степени определяет пути дальнейшего развития вычислительной техники. В постоянно совершенствуемых цифровых ЭВМ уже близок предел миниатюризации их элементной базы, когда отдельные молекулы используются как переключающиеся элементы. Для выполнения все более усложняющихся вычислительных задач создают принципиально новые устройства, реализующие биологические принципы обработки информации. Именно с помощью таких систем достижимо эффективное решение проблем искусственного интеллекта.
 
Возможности использования природных микрообъектов или же конструирования их рукотворных аналогов, способных выполнять те или иные макроскопические действия, научное сообщество активно обсуждает с середины XX в. По-видимому, одним из первых в этом поиске был знаменитый австрийский физик, нобелевский лауреат 1933 г. Эрвин Шредингер (иностранный почетный член АН СССР с 1934 г.), в 1943 г. предложивший идею апериодического кристалла — системы молекулярного уровня, способной хранить огромную генетическую информацию. Но реальным провозвестником нанотехнологии следует считать выдающегося американского физика, нобелевского лауреата 1965 г. Ричарда Фейнмана, в 1959 г.
выдвинувшего фантастическое для того времени утверждение, что нет физических ограничений для записи всей Британской энциклопедии на булавочной головке и создания различных технических устройств, включая компьютеры, на микро (нано) уровне.

Спустя три десятилетия, в 1990-е годы именно нанотехнология стала одним из главных инструментов, способствующих быстрому развитию целого ряда областей человеческой деятельности. Оказалось, последовательная миниатюризация устройств и их отдельных элементов вплоть до нанометровых размеров приводит к появлению новых, нередко уникальных качеств. Выяснилось также, что управлять свойствами макроскопического объекта можно за счет направленного изменения его структуры на микроуровне.

В короткий срок миниатюризация стала насущной производственной необходимостью. Этому во многом способствовало бурное развитие полупроводниковой вычислительной техники, переход от печатных схем на основе транзисторов к интегральным. Достигнутые теперь микрометровые их размеры уже близки к предельным, допускаемым фундаментальными физическими принципами. Эти непреодолимые ограничения диктовали поиск принципиально отличных от господствующих сегодня подходов к построению цифровых интегральных схем и их материальной реализации, т.е. кразработке новой элементной базы. Наиболее активны были попытки использовать естественные переключающиеся элементы — отдельные молекулы или же построенные на их основе системы.

Первое конкретное предложение такого рода выдвинули в 1973 г. американцы Ари Авирам и Марк Ратнер. Они рассмотрели процесс прохождения электрона через молекулу, представляющую собой комбинацию двух ее фрагментов: один — со свойствами донора элементарной частицы, другой – акцептора (Акцептор - в полупроводниках примесный атом, который может «захватывать» электроны из валентной зоны у доноров, образуя при этом дырки, участвующие в электропроводности). Фрагменты соединены группировкой, через которую, как через туннель, проходят электроны. Поместив такую молекулу между двумя электродами, эти исследователи показали: при одном из направлений приложенного поля она ведет себя как однонаправленный проводник электронов.

Данная работа вызвала поток предложений за рубежом и в нашей стране по применению молекулярных систем в электронике. Но после начального периода эйфории в конце 1980-х годов наступило некоторое отрезвление. Выяснилось: далеко не всякая молекула может исполнять роль переключателя электрического сигнала, способного однозначно реагировать на приложенный стимул, поскольку она представляет собой квантовый объект, а процессы в нем носят вероятностный характер. Поэтому в качестве элемента электронной схемы попытались использовать не отдельные молекулы, а их большую совокупность — микроскопический объем вещества.

Эксперименты в этой области привели к созданию действующих прототипов молекулярных запоминающих устройств. По-видимому, наиболее близкими к практическому применению оказались варианты оперативной памяти для ЭВМ, разработанные в Сиракьюсском университете (США) Робертом Берджем в конце 1980-х — начале 1990-х годов на основе уникального белка бактериородопсина. Его молекулы — каждая из них представляет циклическую комбинацию семи полипептидных спиралей, внутри которой находится светочувствительный фрагмент хромофор, — образуют фотосинтетический центр галобактерий. Поглощая квант света, этот белок действует как протонный насос, способствуя синтезу аденозинтрифосфата (АТФ) — нуклеотида, во всех живых организмах выполняющего роль универсального аккумулятора и переносчика энергии. При таком поглощении происходят структурные перестройки молекулы.

В то же время бактериородопсин обладает уникальной для белков стабильностью. Он способен многие годы сохранять неизменными свойства в виде сухого образца или в полимерных пленках. Фундаментальное свойство его молекулы — фотохимический цикл: после поглощения кванта света она проходит последовательность возбужденных состояний и самопроизвольно возвращается в исходную форму. При этом изменяются оптические характеристики белка. Таким образом, природный бактериородопсин при комнатной температуре ведет себя как фотохромная среда с малым временем хранения информации (не более микросекунд). При температуре 77 К фотоцикл разрывается, и молекула приобретает свойства системы с двумя устойчивыми состояниями. Переходы между ними инициирует свет в видимом диапазоне спектра в области довольно широких полос поглощения с максимумами при 540 и 412 нм. Используя этот эффект, группа Берджа сконструировала память емкостью 25 Мб. А продолжением стала работа над объемной памятью, действующей при комнатной температуре.

Оценки показывают: примерно в 3 см3 полимера может записываться, храниться, считываться лазерными лучами информация объемом в сотни гигабайт. Однако создание такой системы - сложнейшая научная и техническая задача, поэтому до настоящего времени основные решения отрабатывают на действующих макетах с емкостью памяти 1-2 кб.

Разработка устройств на основе бактериородопсина приблизила промышленное использование молекулярных сред в вычислительной технике. Но настоящий прорыв произошел в самом конце XX в. в связи с появлением уникальных систем — ротаксанов. Они построены из фрагментов, лишенных химических связей и способных перемещаться относительно друг друга. Эти молекулы имеют два устойчивых состояния, переключающихся из одного в другое электрическим сигналом.

В запоминающем устройстве, разработанном совместно исследовательской лабораторией компании «Хьюлетт-Паккард» и Калифорнийским университетом Лос-Анджелеса (США), применена так называемая «перекрестная» архитектура, упрощающая его изготовление, и принцип построения «снизу-вверх». В традиционной технологии, основанной на противоположном принципе «сверху-вниз», формирование интегральной микросхемы (чипа) начинается с нанесения на поверхность заготовки тонких слоев материала (фоторезиста, металла межсоединений и т.д.) с последующим формированием на них заданного рисунка и удалением ненужных участков. При подходе же «снизу-вверх» вначале на поверхность твердого носителя наносят систему параллельных электродов — протяженные металлические нити. Толщина их в микроминиатюрном устройстве должна быть предельно мала — до 10 нм. Затем на заготовке формируется монослой ориентированных молекул ротаксана. Выше следует вторая система электродов, перпендикулярных исходным. Соприкасающиеся с обеими системами электродов молекулы ротаксана (количество их в монослое от нескольких до десятков) служат переключающимися элементами. По такой модели создан действующий макет чипа оперативной памяти с плотностью 7*10 бит/см2, образованный блоками по 64 бита, причем плотность элементов в каждом составляет 510 бит/см . Цифры впечатляют, поскольку в выпускаемых ныне устройствах этот показатель не превышает 10 бит/см2.

Новые подходы привели к пересмотру прежних представлений. Оказалось, и одиночные молекулы, а не только их сообщества могут быть элементами вычислительных устройств. Так, высоким быстродействием будут, по-видимому, обладать системы на основе хироптицена. Эту оптически активную молекулу сконструировали в США во второй половине 90-х годов как элемент, переключение которого производится очень быстро, в течение фемтосекунд (1 фс=с э), одновременным воздействием светового излучения и электрического поля. Конструкторы планируют использовать хироптицен как основу запоминающих устройств сверхвысокой емкости и предполагают разработать прототип, в одном кубическом дюйме (25,4 мм") которого будет храниться до 16000 Мб данных. Для этой памяти уже разработана новая архитектура, что позволит считывать или записывать данные группами емкостью порядка 1 Мб со скоростью обмена до 2000 таких операций, т.е. 2 Гб в секунду.

Необходимо отметить: поиски в области молекулярной электроники активно вели и в нашей стране с начала 80-х годов XX в. в Научно-исследовательском институте физических проблем Министерства электронной промышленности, институтах АН СССР и некоторых высших учебных заведениях. Координировал их Межведомственный совет по проблеме «Молекулярная электроника» при Комиссии президиума Совета Министров СССР и Государственном комитете по науке и технике СССР под председательством академика Евгения Велихова. Была создана мощная инфраструктура, позволившая выполнить целый ряд важных работ. Активное участие в них принимали академик Андрей Микаэлян, президент Эстонской АН Карл Реба-не, другие ведущие ученые страны.

Вычислительная техника второй половины XX в. развивалась на основе парадигмы фон Неймана  (Джон фон Нейман (1903-1957) — американский математики физик. В середине 1940-х годов выдвинул парадигму, на основе которой были сконструированы цифровые вычислительные машины. Среди главных ее принципов следующие: все вычисления должны производиться в двоичной системе, действия выполняются последовательно, но операции над числами — параллельно, программа, хранимая внутри машины, готовится вне ее). Ее реализация позволила создать эффективные средства для решения наиболее насущных инженерных задач и успешно совершенствовать их до настоящего времени. Однако наряду с этим возможны и другие, биологические принципы обработки информации. Еще в 1943 г. сотрудники Северо-Западного университета штата Иллинойс (США) Уоррен МакКаллоки Уолтер Питтс, основываясь на известных к тому времени данных о структуре коры головного мозга, предложили нейросетевой подход к данной проблеме. Сеть нервных клеток в модели представляет собой систему элементарных процессоров — формальных (условных) нейронов. Каждый из них получает положительный или отрицательный сигнал от всех других, обрабатывает эту информацию и передает результаты остальным. Обработка осуществляется ими одновременно, т.е. с высоким уровнем параллелизма, до которого пока очень далеко современным полупроводниковым многопроцессорным ЭВМ. Нейрон суммирует поступившие данные алгебраически (с учетом знака сигнала) и передает в сеть итоговый сигнал, если его величина превышает заданное пороговое значение. Такие механизмы обработки информации нелинейны. В отличие от фоннеймановского компьютера переход от решения одной задачи к другой здесь определяется не вводимой программой, а начальными состояниями нейронов и структурой сети. После того, как стартовые характеристики ей заданы, она эволюционирует во времени. Ее конечное состояние и есть решение выбранной задачи.
 
Начиная с 80-х годов XX в. все актуальнее становятся проблемы искусственного интеллекта*: распознавание образов, сцен и ситуаций, выбор оптимального решения сложных многофакторных логических задач, ряд других, не менее важных. Потребовалось наращивание объема памяти машин и скорости выполнения ими элементарных операций. Альтернативой гонке «вычислительная сложность задачи — производительность ЭВМ» стало развитие идей МакКаллока и Питтса. Оно привело к возрождению нейросетевых представлений и разработке нейрокомпьютеров.

К сожалению, из-за фундаментальных различий принципов фон Неймана и МакКаллока-Питтса дискретные полупроводниковые технологии оказались малоэффективными при создании сложных обучающихся нейронных сетей. Поэтому нанотехнологические методы управления свойствами объекта за счет направленного конструирования его структуры на микро- и наноуровне привели к попыткам использовать другие варианты материального воплощения этих сетей. Один из перспективных связан с попытками их формирования на основе так называемых распределенных реакционно-диффузионных сред. Что же они собой представляют?
 
Модель МакКаллока и Питтса описывает один из возможных путей реализации распределенных динамических систем. В общем случае они представляют собой пространственно протяженные среды, в каждом элементарном (условном) объеме которых происходят физические или химические процессы, определяющие реакцию на внешние воздействия. Степень параллелизма здесь не сравнима с возможностями вычислений на базе цифровых дискретных процессоров. Элементарные объемы связаны системой обратных связей, и их взаимодействие, проявляющееся в диффузии, приводит к тому, что динамика среды, ее поведение в целом намного сложнее, чем у микрообъемов, т. е. отдельных ячеек. (Примерами подобных образований могут служить коллективы муравьев или пчел, демонстрирующие сложное поведение несмотря на простоту действий отдельной особи, а также бактериальные колонии - их участники в процессе роста самопроизвольно группируются так, что возникают далекие от тривиальности пространственные структуры круговой или спиральной формы.) Таким образом, реакционно-диффузионные среды сходны по архитектуре с нейронными сетями, где в качестве элементарных процессоров - нейронов — выступают микрообъемы.
 
В природе интересующие нас среды встречаются на самых разных «этажах» структурной организации. На уровне тканей организма это прежде всего механизмы осуществления функций коры головного мозга. Они обнаруживаются также в химических и биохимических системах, в биологических мембранах и клетках, т.е. на супрамолекулярном уровне. И, наконец, нелинейные внутримолекулярные механизмы могут приводить к коллективным возбуждениям — солитонам, распространяющимся на большие расстояния вдоль молекулярного остова.

Замечательное свойство этих сред проявляется в том, что независимо от физического воплощения в них проявляются одни и те же макроскопические формы поведения: точечные или же во всем объеме колебания плотности компонентов, распространяющиеся узкие концентрационные импульсы или же протяженные области переключения среды из одного ее состояния в другое, образование устойчивых во времени неоднородных пространственных распределений концентраций компонентов (так называемых диссипативных структур).

Наиболее перспективными для создания нейроподобных средств обработки информации оказались химические реакционно-диффузионные системы и прежде всего те, в которых протекают реакции Белоусова-Жаботинского (Реакция Белоусова-Жаботинского — химическая реакция, в которой возникают хаотические автоколебательные процессы. Открыта в СССР в 1951 г. химиком Борисом Белоусовым, а в 1960-х годах исследована физико-химиком Анатолием Жаботинским. Стимулировала появление новой области науки, изучающей автоволновые процессы. В чем их суть? Формально – это окисление органического соединения (обычно малоновой кислоты) каким-либо неорганическим (броматом натрия или калия), катализируемое ионами переходного металла (церия, железа, марганца, рутения). Внешне процесс выглядит очень эффектно, поскольку в ходе реакции периодически изменяется цвет раствора. В действительности она представляет собой совокупность связанных друг с другом промежуточных реакций, точное число которых до сих пор не установлено.

Удивительная особенность сред Белоусова-Жаботинского в том, что по динамике они сходны с так называемыми специализированными нейронными сетями, предложенными американским математиком Стивеном Гроссбергом в 1970-х годах для моделирования отдельных функций коры головного мозга человека. Поэтому интересующие нас среды позволяют моделировать сложные логические процессы, такие, как обработка и распознавание изображений, поиск кратчайшего пути в произвольном лабиринте и ряд других. Идею использования их для обработки информации выдвинули в 1989 г. немецкий физик Лотар Кунерт, доктор физико-математических наук Валентин Кринский и кандидат физико-математических наук Константин Агладзе (оба из Научного центра биологических исследований АН СССР в Пущино). Позже информационные возможности сред Белоусова-Жаботинского детально изучали автор статьи с сотрудниками в Международном научно-исследовательском институте проблем управления, работавшем под методическим руководством РАН, и на физическом факультете МГУ.

Указанные среды — благодатный исходный материал для создания устройств обработки информации. Они стабильны и не токсичны. Температурный диапазон и временные масштабы процессов в них удобны для регистрации характеристик сравнительно простыми физическими методами. Химические компоненты, необходимые для формирования, доступны, стоимость их невысока.

Катализатор реакции Белоусова-Жаботинского в ходе промежуточных химических превращений изменяет свое электронное состояние. Как следствие, среда меняет цвет (от красного к синему и наоборот). Таким образом, легко визуализировать процесс и записать пространственно-временную эволюцию системы видеокамерой в память компьютера для дальнейшей обработки. Наиболее удобны среды, в которых в качестве катализатора используется светочувствительный комплекс рутения. В этом случае вводимая информация представляет собой изображение (по сути — заданное распределение интенсивности света), проецируемое оптической системой на поверхность слоя или в объем среды. Под действием излучения светочувствительный катализатор инициирует фотохимические реакции, приводящие к изменению содержания основных ее компонентов. В результате в каждой точке среды происходят изменения их концентраций, определяющиеся интенсивностью светового излучения в ней, т.е. возникает химический образ введенной информации.

Передача, хранение и обработка данных биологическими системами принципиально отличаются от тех же операций, производимых цифровыми ЭВМ. В качестве исходных элементарных информационных единиц в первом случае выступают сложные фрагменты, а не битами (двоичными цифрами) передаваемые структуры простейших символов как во втором. Фрагментами могут быть фонемы при обработке речи, изображения, которыми оперирует зрение и т.д. При обработке изображений в различных динамических режимах сред Белоусова-Жаботинского получили распространение два из них, называемые возбудимым и колебательным. При этом характер выполняемой операции определяется как задаваемым режимом, так и видом «снимка» (его позитивной или негативной формой).

Если среда функционирует в возбудимом режиме, то основными элементарными операциями обработки черно-белого изображения оказываются выделение контуров его фрагментов и их последующая эволюция, варианты которой можно условно назвать «контур(+)» и «контур(-)». В первом случае (позитивный «отпечаток») появившийся контур расходится в процессе эволюции в среде от его центра, во втором (негативный) — сходится к нему. Эти операции позволяют воспроизвести все используемые на практике стадии обработки черно-белых изображений. К ним относятся определение общей формы, т.е. исключение мелких деталей, и сегментация - разделение сложного «снимка» на более простые фрагменты. Реакционно-диффузионные процессоры могут усиливать детали малого размера и в то ж время убирать крупные.

Эволюция изображений в среде Белоусова-Жаботинского, функционирующей в колебательном режиме, оказывается существенно более сложной по сравнению с возбудимым. В этом случае полутоновой позитив преобразуется сначала в черно-белый негатив. При этом шаг за шагом выделяются области с уменьшающейся яркостью, контуры отдельных фрагментов, и, наконец, «снимок» превращается в исходный полутоновой.

Наиболее важная особенность исследуемых сред, вытекающая из рассмотренного примера, в том, что они по сути представляют собой реализацию процессора, преобразующего сложное пространственное распределение фрагментов в последовательное их выделение во времени. На практике это облегчает, скажем, обработку аэро- или космической съемки. Среда последовательно выделяет фрагменты одной яркости позитивного и негативного снимков, что дает возможность расчленить их на индивидуальные составляющие и сделать более легким соответствующий анализ.

Поиск кратчайшего пути в лабиринте — одна из наиболее известных проблем искусственного интеллекта. При этом конкретная задача (например, выбор оптимального варианта из нескольких заданных) рассматривается как лабиринт, а процесс поиска решения — «блуждание» по нему. Попытки найти эффективные алгоритмы предпринимают начиная с 60-х годов XX в.

Сравнительно недавно американские и российские исследователи показали: светочувствительные среды Белоусова-Жаботинского могут быть эффективны для решения подобного рода задач. В частности, они уже используются в одном из вариантов процессоров, разработанных нашей группой. Оптимальная архитектура таких устройств должна быть гибридной, т.е. представлять собой комбинацию реакционно-диффузионной составляющей и обычного компьютера. В этом случае вычислительно-сложная операция — одновременное параллельное распространение волны по всем ответвлениям лабиринта — осуществляется средой, а последующая обработка данных (простые действия) производятся цифровым процессором.

Сохраненные в памяти последовательные стадии прохождения волны в лабиринте можно использовать для определения кратчайшего пути от его входа к выбранному выходу. Допустим, волна, распространяющаяся от входа, прошла через первое разветвление путей. В этот момент цифровой компьютер производит «заливку» изображения лабиринта белым цветом, начиная с выхода. В результате остается черным только фрагмент, не связанный с выходом. Эту часть легко исключить из изображения численно. Последовательное применение приема позволяет эффективно определить искомый кратчайший путь.

Конечно, рассказ об уникальных особенностях молекулярной элементной базы не подразумевает, что в ближайшем или более отдаленном будущем устройства на ее основе полностью заменят полупроводниковые цифровые компьютеры. Они прочно вошли во многие области нашей жизни и оптимально их удовлетворяют. Тем не менее возникают новые проблемы, которые традиционные полупроводниковые устройства, подошедшие к своему физическому пределу, решают с трудом или вовсе на это не способны.

Одна из них — разработка суперкомпьютеров с максимальными вычислительными характеристиками на основе молекулярных цифровых схем, что необходимо, например, для создания глобальных систем управления. Уникальные свойства распределенных реакционно-диффузионных сред, по сути представляющих собой аналоговую форму обработки информации, позволяют надеяться: они смогут стать основой развития нового направления вычислительной техники. Понимание их информационных возможностей становится все более детальным в последние годы, как бы подтверждая предсказание одного из прародителей этого подхода, немецкого математика Ли А. Рубеля. В начале 1990-х годов он писал: «Будущее аналоговых вычислений безгранично. Будучи мечтателем, я вижу, как они, в конечном счете, заменяют цифровые, в особенности сначала для решения дифференциальных уравнений в частных производных и для моделирования в нейробиологии. Понадобится несколько десятилетий для того, чтобы это произошло. А тем временем, я верю, это очень плодотворная и бросающая вызов область исследований, хотя (а может быть и потому) она не популярна сегодня».

Доктор химических наук Николай РАМБИДИ,
Московский государственный университет им. М.В. Ломоносова