0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

到底能不能設(shè)計出為人工智能打造的神經(jīng)網(wǎng)絡(luò)芯片

Wildesbeast ? 來源:21IC ? 作者:21IC ? 2020-06-13 10:33 ? 次閱讀

大腦是人體最重要的器官之一,它支撐著人的視覺、聽覺、平衡、味覺、嗅覺、記憶、情感、學習等。大腦的構(gòu)造十分復(fù)雜,由大約1千億個神經(jīng)元(Neuron)組成,并由約100萬億個突觸(Synapse)連接。這些神經(jīng)元與突觸一起構(gòu)成了一個極其龐大的生物神經(jīng)網(wǎng)絡(luò)

大腦具有極其強大的計算與學習能力,其邏輯功能與記憶功能密切關(guān)聯(lián),能以極低的功耗并行地處理大量數(shù)據(jù)。即便是如今最強大的超級計算機,在執(zhí)行模式識別、風險管理等類似復(fù)雜任務(wù)時,也無法與人腦相抗衡。

生物神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元與突觸

時下,一種由人腦啟發(fā)的新型計算機,也稱為“類腦計算機”或者“神經(jīng)形態(tài)計算機”,成為了一個新興的研究領(lǐng)域,吸引了物理、化學、材料、數(shù)學、電子與計算機科學等一系列領(lǐng)域的科學家們的廣泛興趣。

基于光線的腦啟發(fā)芯片示意圖。

神經(jīng)形態(tài)計算是一種新型計算架構(gòu),旨在模仿大腦處理、加工信息的過程,將存儲元件與計算元件整合到同一芯片中。它突破了傳統(tǒng)的馮·諾依曼體系結(jié)構(gòu)帶來的瓶頸:數(shù)據(jù)需要在CPU和內(nèi)存之間來回移動,而CPU運算速度較快,內(nèi)存訪問速度較慢,造成了所謂的“內(nèi)存墻”問題。

神經(jīng)形態(tài)計算,模仿了神經(jīng)系統(tǒng),采用了全新的架構(gòu)。在這種架構(gòu)中,記憶和信號處理的功能共同處于“記憶元件(憶阻器、憶容器、憶感器)”中。記憶元件組成類似突觸的硬件系統(tǒng),模仿自然信息處理、學習和記憶。

近日,美國麻省理工學院(MIT)的研究人員設(shè)計出一款“芯片上的大腦”,它比一片五彩紙屑還小,由數(shù)以萬計的人工大腦突觸制成。這種突觸稱為“憶阻器”,是一種硅基元件,可以模仿人腦中傳遞信息的突觸。

研究人員借鑒了冶金學的原理,用銀和銅合金以及硅制成每個憶阻器。當他們用這款芯片來運行幾個視覺任務(wù)時,芯片可以“記住”存儲的圖像,并重復(fù)多次復(fù)制它們,這個版本比由非合金元素制造的現(xiàn)有憶阻器更清晰、更干凈。

他們的研究成果于6月8日發(fā)表在《自然·納米技術(shù)(Nature Nanotechnology)》雜志上,展示的這款新型憶阻器設(shè)計非常有望應(yīng)用于神經(jīng)形態(tài)器件。這些電子器件基于一種新型電路,這種電路處理信息的方式模仿了大腦架構(gòu)。這種腦啟發(fā)的電路可以構(gòu)造到小型便攜式器件中,并能處理只有當今超級計算機才能處理的復(fù)雜計算任務(wù)。

MIT 機械工程系副教授 Jeehwan Kim 表示:“迄今為止,人工突觸網(wǎng)絡(luò)以軟件的形式存在。我們正在嘗試為便攜式人工智能系統(tǒng)打造真正的神經(jīng)網(wǎng)絡(luò)硬件。讓我們想象一下,將神經(jīng)形態(tài)器件連接至你汽車上的攝像頭,讓它能夠識別光線和物體,并立即作出決策,而無需連接到互聯(lián)網(wǎng)。我們希望采用高能效的憶阻器在現(xiàn)場實時地執(zhí)行這些任務(wù)?!?/p>

游蕩離子憶阻器,或者說存儲晶體管,是神經(jīng)形態(tài)計算中不可或缺的元素。在神經(jīng)形態(tài)器件中,憶阻器將充當電路中的晶體管,盡管其工作起來更像大腦突觸(兩個神經(jīng)元之間的連接)。突觸以離子形式從一個神經(jīng)元接收信號,并向下一個神經(jīng)元發(fā)送相應(yīng)的信號。

常規(guī)電路中的晶體管通過在兩個值(0和1)之間切換來傳輸信息,并且僅當其接收到電流形式的信號達到特定強度時才這樣做。相比之下,憶阻器將沿著梯度工作,很像大腦中的突觸。它產(chǎn)生的信號將根據(jù)其接收到的信號強度而變化。這將使單個憶阻器具有多個值,因此執(zhí)行運算的范圍比二進制晶體管大得多。類似于大腦突觸,憶阻器還能“記住”與給定電流強度相關(guān)的值,并在下次接收相似電流時產(chǎn)生完全相同的信號。這可以確保復(fù)雜方程式的答案或者對某個對象的視覺分類是可靠的,這一技能通常涉及多個晶體管和電容器。

最終,科學家們設(shè)想,憶阻器將比傳統(tǒng)晶體管需要更少的芯片空間,從而使功能強大的便攜式計算裝置不依賴于超級計算機,甚至無需連接到互聯(lián)網(wǎng)。

但是,現(xiàn)有的憶阻器設(shè)計在性能上受限。單個憶阻器由正電極和負電極制成,被“開關(guān)介質(zhì)”或者電極之間的空間分開。向一個電極施加電壓時,來自那個電極的離子流過介質(zhì),形成通向另一個電極的“導電通道”。接收到的離子組成了電信號,而憶阻器將這些電信號沿著電路傳輸。離子通道(以及憶阻器最終產(chǎn)生的信號)的大小應(yīng)與激勵電壓的強度成比例。

Kim 表示,在電壓刺激較大的導電通道,或者離子從一個電極到另一個電極的大量流動的情況下,現(xiàn)有的憶阻器工作得很好。但是,當憶阻器需要通過更細的導電通道產(chǎn)生更微弱的信號時,這些設(shè)計的可靠性就會降低。

導電通道越細,從一個電極到另一個電極的離子流越輕,單個離子待在一起的難度就越大。相反,它們傾向于脫離團隊,在媒介中分散。結(jié)果,當在一定的低電流范圍內(nèi)受到激勵時,接收電極難以可靠地捕獲相同數(shù)量的離子,從而傳輸相同的信號。

Kim 及其同事通過借鑒冶金學找到了突破這一局限的方法,冶金學是將金屬熔煉成合金并研究其綜合性能的科學。

Kim 表示:“傳統(tǒng)意義上,冶金學家試圖將不同的原子添加到塊狀基質(zhì)中以增強材料,而我們認為,為什么不稍微調(diào)整憶阻器中的原子相互作用,并添加一些合金元素來控制離子在我們介質(zhì)中的運動。”

工程師通常用銀作為憶阻器的正極材料。Kim 的團隊仔細研究文獻找到了一種元素,將它與銀結(jié)合,從而將銀離子有效地保持在一起,同時允許它們快速地流到另一個電極。

研究團隊認為銅是理想的合金元素,因為它既能與銀結(jié)合,也能與硅結(jié)合。

Kim 說:“它起到了橋梁的作用,并穩(wěn)定了銀-硅界面?!?/p>

為了使用新合金制造憶阻器,該團隊首先用硅制成了負極,然后沉積少量的銅,再沉積一層銀,制成正極。他們將兩個電極像三明治一樣夾在非晶硅介質(zhì)周圍。通過這種方式,他們用數(shù)以萬計的憶阻器制作成的圖案裝飾一平方毫米的硅芯片。

作為對這款芯片的首次測試,他們重新創(chuàng)建了美國隊長盾牌的灰度圖像。他們將圖像中的每個像素對應(yīng)于芯片中相應(yīng)的憶阻器。然后,他們調(diào)制每個憶阻器的電導,其強度與對應(yīng)像素中的顏色相關(guān)。

這款新型芯片(上左)有銀-銅合金制成,以數(shù)以萬計的人工突觸或稱“憶阻器”圖案進行修飾。當每個憶阻器受到對應(yīng)于某一像素的特定電壓激勵,并逐漸變?yōu)榛叶葓D像(在這個案例中是美國隊長的盾牌)時,這款芯片就重新創(chuàng)建了同樣的清晰圖像,比通過其他材料的憶阻器制成的芯片更加可靠。

與其他材料制成的芯片相比,該芯片可產(chǎn)生相同的盾牌清晰圖像,并能“記住”該圖像并多次復(fù)制。

該團隊也讓芯片執(zhí)行了圖像處理任務(wù),通過幾種特殊的方法對憶阻器編程以改變圖像(在這個案例中是 MIT 的基里安方庭“Killian Court”),包括銳化和模糊原始圖像。又一次,他們的設(shè)計比現(xiàn)有的憶阻器設(shè)計更可靠地生成重新編程的圖像。

MIT 制造的這款新型“芯片上的大腦”對 MIT 的基里安方庭圖像進行了比現(xiàn)有的神經(jīng)形態(tài)設(shè)計更可靠的再加工,包括銳化和模糊原始圖像。

Kim 表示:“我們正在使用人工突觸進行真實的推理測試。我們想要進一步開發(fā)這項技術(shù),用更大的陣列來執(zhí)行圖像識別任務(wù)。有一天,你也許可以攜帶人造大腦來執(zhí)行這些任務(wù),而無需連接到超級計算機、互聯(lián)網(wǎng)或云?!?/p>

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 芯片
    +關(guān)注

    關(guān)注

    452

    文章

    50025

    瀏覽量

    419772
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4726

    瀏覽量

    100326
  • 人工智能
    +關(guān)注

    關(guān)注

    1789

    文章

    46397

    瀏覽量

    236588
收藏 人收藏

    評論

    相關(guān)推薦

    BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系

    BP神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network)和卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,簡稱CNN)是兩種在人工智能和機器學習領(lǐng)域
    的頭像 發(fā)表于 07-10 15:24 ?884次閱讀

    BP神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)的區(qū)別

    BP神經(jīng)網(wǎng)絡(luò)人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡稱ANNs)之間的關(guān)系與區(qū)別,是神經(jīng)網(wǎng)絡(luò)領(lǐng)域中一個基礎(chǔ)且重要的話題。本文將從定義、結(jié)構(gòu)、算法、應(yīng)用及
    的頭像 發(fā)表于 07-10 15:20 ?608次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的案例分析

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network, ANN)作為深度學習領(lǐng)域的重要分支,自20世紀80年代以來一直是人工智能領(lǐng)域的研究熱點。其靈感來源于生物神經(jīng)網(wǎng)絡(luò),通
    的頭像 發(fā)表于 07-08 18:20 ?587次閱讀

    人工智能神經(jīng)網(wǎng)絡(luò)系統(tǒng)的特點

    。 引言 人工智能神經(jīng)網(wǎng)絡(luò)系統(tǒng)是人工智能領(lǐng)域的一個重要分支,它通過模擬人腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和功能,實現(xiàn)了對復(fù)雜數(shù)據(jù)的高效處理和智能決策。自20
    的頭像 發(fā)表于 07-04 09:42 ?335次閱讀

    人工智能神經(jīng)網(wǎng)絡(luò)模型有哪些

    人工智能神經(jīng)網(wǎng)絡(luò)模型是一類受人腦啟發(fā)的計算模型,它們在許多領(lǐng)域都取得了顯著的成功。以下是一些常見的神經(jīng)網(wǎng)絡(luò)模型: 感知機(Perceptron) : 感知機是最簡單的神經(jīng)網(wǎng)絡(luò)模型之一,
    的頭像 發(fā)表于 07-04 09:41 ?429次閱讀

    人工智能人工神經(jīng)網(wǎng)絡(luò)有什么區(qū)別

    人工智能(Artificial Intelligence,簡稱AI)和人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,簡稱ANN)是兩個密切相關(guān)但又有所區(qū)別的概念。 定義和起源
    的頭像 發(fā)表于 07-04 09:39 ?768次閱讀

    人工智能神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)是什么

    多年的發(fā)展,已經(jīng)成為人工智能領(lǐng)域的重要分支之一。 神經(jīng)網(wǎng)絡(luò)的基本概念 2.1 神經(jīng)神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的基本單元,它具有接收輸入信號、處理信
    的頭像 發(fā)表于 07-04 09:37 ?351次閱讀

    人工智能神經(jīng)網(wǎng)絡(luò)的工作原理是什么

    人工智能神經(jīng)網(wǎng)絡(luò)的工作原理是一個復(fù)雜且深入的話題,涉及到多個領(lǐng)域的知識,包括數(shù)學、計算機科學、生物學等。 神經(jīng)網(wǎng)絡(luò)的基本概念 神經(jīng)網(wǎng)絡(luò)是一種受人腦結(jié)構(gòu)啟發(fā)的計算模型,它通過模擬人腦
    的頭像 發(fā)表于 07-04 09:35 ?423次閱讀

    人工智能神經(jīng)網(wǎng)絡(luò)芯片的介紹

    人工智能神經(jīng)網(wǎng)絡(luò)芯片是一類專門為深度學習和神經(jīng)網(wǎng)絡(luò)算法設(shè)計的處理器。它們具有高性能、低功耗、可擴展等特點,廣泛應(yīng)用于圖像識別、語音識別、自然語言處理等領(lǐng)域。以下是關(guān)于
    的頭像 發(fā)表于 07-04 09:33 ?455次閱讀

    神經(jīng)網(wǎng)絡(luò)芯片與傳統(tǒng)芯片的區(qū)別和聯(lián)系

    引言 隨著人工智能技術(shù)的快速發(fā)展,深度學習算法在圖像識別、自然語言處理、語音識別等領(lǐng)域取得了顯著的成果。然而,深度學習算法對計算資源的需求非常高,傳統(tǒng)的計算芯片已經(jīng)無法滿足其需求。因此,神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-04 09:31 ?581次閱讀

    神經(jīng)網(wǎng)絡(luò)芯片和普通芯片區(qū)別

    神經(jīng)網(wǎng)絡(luò)芯片和普通芯片的區(qū)別是一個復(fù)雜而深入的話題,涉及到計算機科學、電子工程、人工智能等多個領(lǐng)域。 定義 神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-04 09:30 ?704次閱讀

    神經(jīng)網(wǎng)絡(luò)人工智能的關(guān)系是什么

    神經(jīng)網(wǎng)絡(luò)人工智能的關(guān)系是密不可分的。神經(jīng)網(wǎng)絡(luò)人工智能的一種重要實現(xiàn)方式,而人工智能則是神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 07-03 10:25 ?765次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

    化能力。隨著深度學習技術(shù)的不斷發(fā)展,神經(jīng)網(wǎng)絡(luò)已經(jīng)成為人工智能領(lǐng)域的重要技術(shù)之一。卷積神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)
    的頭像 發(fā)表于 07-02 14:24 ?1801次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的模型及其應(yīng)用有哪些

    人工神經(jīng)網(wǎng)絡(luò)已經(jīng)發(fā)展成為機器學習和人工智能領(lǐng)域的重要技術(shù)之一。本文將詳細介紹人工神經(jīng)網(wǎng)絡(luò)的模型及其應(yīng)用。 引言
    的頭像 發(fā)表于 07-02 10:04 ?678次閱讀

    神經(jīng)網(wǎng)絡(luò)人工智能的關(guān)系

    在快速發(fā)展的科技領(lǐng)域,人工智能(Artificial Intelligence, AI)和神經(jīng)網(wǎng)絡(luò)(Neural Networks)是兩個備受矚目的概念。它們之間的聯(lián)系緊密而復(fù)雜,共同推動了智能
    的頭像 發(fā)表于 07-01 14:23 ?549次閱讀