人工智能神经网络 新的“芯片上的大脑”:构建用于便携式人工智能系统的神经网络硬件!

神经形态计算模仿了神经系统并采用了全新的体系结构。在此体系结构中,存储和信号处理功能位于“内存元素(忆阻器忆阻器忆阻器)”中。记忆元件形成类似于突触的硬件系统,模仿自然信息处理,学习和记忆。

通过忆阻器阵列模仿神经元和突触的工作方法(图片来源:格罗宁根大学功能材料自旋电子学研究小组)

创新

最近,麻省理工学院(MIT)的研究人员设计了一种“芯片上的大脑”,它比一块五彩纸屑还小,由数以万计的人工脑突触组成。这种突触被称为“忆阻器”,是一种硅基组件,可以模仿在人脑中传输信息的突触。

新的神经形态“芯片上的大脑”的特写照片,其中包含成千上万个忆阻器或存储晶体管。 (图片来源:彭林)

研究人员借鉴了冶金学原理,并使用银,铜合金和硅制成了每个忆阻器。当他们使用该芯片运行多个视觉任务时,该芯片可以“记住”存储的图像并将其复制多次。该版本比由非合金元素制成的现有忆阻器更清晰,更清洁。

他们的研究结果于6月8日发表在《自然纳米技术》杂志上。新的忆阻器设计被证明非常有望应用于神经形态设备。这些电子设备基于一种新型的电路,该电路模仿该大脑处理信息的方式的大脑结构。这种受大脑启发的电路可以内置到小型便携式设备中,并且可以处理只有当今的超级计算机才能处理的复杂计算任务。

人工智能神经网络 新的“芯片上的大脑”:构建用于便携式人工智能系统的神经网络硬件!-

麻省理工学院机械工程系副教授金洁焕说:“到目前为止,人工突触网络以软件形式存在。我们正在尝试为便携式人工智能系统构建真正的神经网络硬件。让我们想象一下,神经形态设备可以连接到汽车上的摄像头,从而无需连接到Internet即可识别光线和物体并立即做出决定。我们希望使用节能型忆阻器在现场实时执行这些任务。”

技术

徘徊离子

忆阻器或存储晶体管是神经形态计算中必不可少的元素。在神经形态设备中,忆阻器将充当电路中的晶体管,尽管它的工作方式更像是大脑突触(两个神经元之间的连接)。突触从一个神经元接收离子形式的信号,并将相应的信号发送到下一个神经元。

左侧图片显示了生物大脑中的突触,这也是右侧图片中人工模拟物的灵感来源。右图是通过铁电隧道结实现的忆阻器,也就是夹在氮化钛电极(蓝线)和硅衬底(海蓝)之间的氧化ha膜(粉红色),硅衬底的另一部分一个作用是第二电极。通过改变氧化ha的极化,电脉冲使忆阻器在高阻和低阻之间切换,从而改变其电导率。 (照片来源:Elena Khavina / MIPT新闻办公室)

常规电路中的晶体管通过在两个值(0和1)之间切换)传输信息,仅当它接收到达到一定强度的电流形式的信号时才这样做。电阻器将沿着梯度工作,就像大脑中的突触一样人工智能神经网络,它产生的信号将根据接收到的信号的强度而变化,这将使单个忆阻器具有多个值,因此执行的操作范围更大记忆电阻器还可以“记住”与给定电流强度相关的值,并在下次接收相似电流时产生完全相同的信号。回答复杂的方程式或对象的视觉分类是可靠的,并且该技能通常涉及多个晶体管和电容器。

最后,科学家们设想,忆阻器将比传统晶体管需要更少的芯片空间,从而使功能强大的便携式计算设备不再依赖超级计算机,甚至不需要连接到Internet。

但是,现有的忆阻器设计在性能上受到限制。单个忆阻器由正电极和负电极制成,由“开关介质”或电极之间的空间隔开。当向一个电极施加电压时,来自该电极的离子流过介质,形成通向另一电极的“导电通道”。接收到的离子构成电信号,忆阻器沿电路传输这些电信号。离子通道的大小(以及忆阻器产生的最终信号)应与激发电压的强度成正比。

金说,现有的忆阻器在电压或离子从一个电极到另一个电极的大量流动激发大导电通道的情况下效果很好。但是,当忆阻器需要通过较细的导电通道产生较弱的信号时,这些设计的可靠性将会降低。

人工智能神经网络 新的“芯片上的大脑”:构建用于便携式人工智能系统的神经网络硬件!-

导电通道越细,离子从一个电极流到另一电极的流越轻,各个离子保持在一起的难度就越大。相反,他们倾向于与团队分离并分散在媒体中。结果,当在一定的低电流范围内激发时,接收电极很难可靠地捕获相同数量的离子,从而传输相同的信号。

冶金学

Kim和他的同事们通过学习冶金学找到了一种突破这种局限的方法,冶金学是将金属熔化成合金并研究其综合性能的科学。

Kim说:“从传统意义上讲,冶金学家试图在块状基质中添加不同的原子以增强材料,但是我们认为为什么不稍微调节忆阻器中的原子相互作用并添加一些合金元素来控制合金的运动。离子。”

工程师通常使用银作为忆阻器的阴极材料。金的团队仔细研究了文献,发现了一种将其与银结合的元素,从而有效地将银离子结合在一起,同时使银离子快速流向另一个电极。

研究小组认为,铜是理想的合金元素,因为它可以与银和硅结合。

金说:“它起着桥梁的作用,稳定了银硅界面。”

为了使用这种新合金制成忆阻器,研究小组首先用硅制成了负极,然后沉积了少量的铜,然后沉积了一层银,制成了正极。他们像三明治一样将两个电极夹在非晶硅电介质周围。这样,他们使用了数以万计的忆阻器图案来装饰一平方毫米的硅芯片。

作为对该芯片的首次测试,他们重新创建了美国队长盾牌的灰度图像。它们使图像中的每个像素对应于芯片中的相应忆阻器。然后,它们调制每个忆阻器的电导,其强度与相应像素中的颜色有关。

人工智能神经网络 新的“芯片上的大脑”:构建用于便携式人工智能系统的神经网络硬件!-

此新芯片(左上)由银铜合金制成,并装饰有成千上万的人造突触或“忆阻器”图案。当每个忆阻器被对应于某个像素的特定电压激发并逐渐变成灰度图像(在这种情况下,是美国队长的盾牌)时,此芯片将重新创建相同的清晰图像。由其他材料的忆阻器制成的芯片更加可靠。 (图片来自研究人员)

与其他材料制成的芯片相比,该芯片可以产生相同的屏蔽罩清晰图像,并且可以“记住”该图像并将其复制多次。

该团队还让芯片通过几种特殊方法对忆阻器进行编程以改变图像(在本例中为MIT的Killian Court“ Killian Court”)来执行图像处理任务,包括锐化和模糊原始图像。同样,它们的设计比现有的忆阻器设计更可靠地生成重新编程的图像。

麻省理工学院生产的这种新的“芯片上的大脑”比现有的神经形态设计更可靠地对麻省理工学院的Kirian Fangting图像进行了重新处理,包括锐化和模糊原始图像。 (图片来自研究人员)

Kim说:“我们正在使用人工突触进行真实的推理测试。我们希望进一步开发这项技术,并使用更大的阵列执行图像识别任务。有一天,您也许可以携带人工大脑来执行这些任务。无需连接到超级计算机,互联网或云。”

关键字

忆阻器,神经形态计算,大脑,人工智能,突触

参考资料[1]尹汉武,林鹏,崔灿烈,谭志光人工智能神经网络,朴永模,李道y,李在容,徐枫,高斌,吴华强,何谦,聂一凡,金世扬,Jeehwan金合金化导电通道,实现可靠的神经形态计算。自然纳米技术,2020; DOI:1 0. 1038 / s41565-020-0694-5

报告/反馈

【版权声明】本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 playplus@qq.com 举报,一经查实,本站将立刻删除。