|
美国麻省理工学院使用物理模拟器件，可以更加有效地模拟大脑过程。研究人员包括麻省理工学院教授Bilge Yildiz、Ju Li和Jesúsdel Alamo及麻省理工学院和布鲁克海文国家实验室的其他9位研究人员，研究成果发表在《自然通讯》。 需求背景 世界各地的团队正在建立一种称为神经网络的更复杂的人工智能系统，执行诸如计算机视觉和自然语言处理之类的任务。但使用最新的硅微芯片技术来模拟神经网络需要大量的内存和能耗。为了提高效率并实现更大的神经网络目标，研究人员一直在探索多种物理器件，以更直接地模仿突触在学习和遗忘过程中逐渐增强和减弱的方式。迄今为止，对于这种模拟的突触，大多数候选模拟电阻器件要么在能量使用方面效率很低，要么在一个器件到另一个器件或一个周期到下一个周期的执行不一致。 电气工程和计算机科学系Donner教授del Alamo说：“我认为当今构建神经网络应用的瓶颈是能效。训练这些系统特别是在无人驾驶汽车等端侧应用上耗费太多的能源，”此类苛刻应用对于当今的技术来说根本不可行。 研究人员说，新系统克服两个挑战。核科学与工程学、材料科学与工程学教授Yildiz说：“我们不仅要解决能源挑战，而且还要解决普遍存在的一些现有概念中与重复性相关的挑战”。 实现原理 大脑学习是基于逐渐增强或减弱的神经元之间的连接（称为突触）而建立。麻省理工学院朝着另一种系统-物理神经网络迈出了一步。此次研究出的物理神经网络试图通过其核心组件-电阻开关来模拟这种行为。该电阻开关的电导率可通过电压来控制或调节，以此模拟大脑中突触的增强和减弱。 核心技术 这项工作中的电阻开关是一种电化学装置，由三氧化钨（WO3）制成，其工作方式类似于电池的充电和放电。Yildiz解释说，根据所施加电压的极性和强度，离子（在这种情况下为质子）可以迁移到材料的晶格中或从材料的晶格中迁移出来。这些变化会一直存在，直到被反向施加的电压改变为止，就像突触的增强或减弱一样。 同为核科学与工程学、材料科学与工程学教授的Li说：“这种机制类似于半导体的掺杂”。在该过程中，通过将外来离子引入硅晶格，可以将硅的电导率改变许多数量级。“传统上，这些离子是在工厂植入的，”但在新器件中，这些离子就会以动态、持续的过程被泵入和泵出晶格。研究人员可以通过控制电压来控制有多少“掺杂”离子进出，“我们已经证明了其良好的可重复性和能效”。 Yildiz补充说，这个过程“非常类似于生物大脑突触的工作方式。在大脑中使用的不是质子，而是与钙、钾、镁等其他离子相互作用，并且通过移动这些离子实际上会改变突触的阻抗，这是学习的要素。”她说，在其器件中的三氧化钨中发生的过程类似于在生物突触中发生的电阻调节。 技术优势 Yildiz说：“我们在这里展示的内容，即使它不是一种优化的器件，其电导率单位变化、单位面积的能耗也接近于大脑。”她说，如果用传统CMOS型半导体完成相同的任务所耗费能量将是这个的一百万倍。 下步研究 Li表示，选择用于演示新器件的材料是因为它们与当前的半导体制造系统兼容。但是它们包含的聚合物材料限制了器件对热的耐受能力，因此研究小组仍在寻找该器件的质子传导膜的其他变体，以及为长期运行而封装其氢源的更好方法。 Yildiz说：“要在这种器件的材料层面上做很多基础研究。”正在进行的研究将包括“如何将这些器件与现有的CMOS晶体管集成”。他说：“所有这一切都需要时间，它提供了巨大的创新机会，也为我们的学生发展职业提供了巨大的机会。” 资金支持 该研究包括布鲁克海文国家实验室和麻省理工学院的研究人员，该研究得到了Skoltech项目，麻省理工学院“追寻智能”和美国国家科学基金会的支持。 |
|
|
