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(xué)習(xí)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

研究人員研制出人工樹突器件,構(gòu)建新型新神經(jīng)網(wǎng)絡(luò)

如意 ? 來源:知社學(xué)術(shù)圈 ? 作者:知社學(xué)術(shù)圈 ? 2020-07-05 11:39 ? 次閱讀

受生物神經(jīng)網(wǎng)絡(luò)啟發(fā),研制出一種具有豐富動態(tài)特性的人工樹突器件,構(gòu)建了包含突觸、樹突、胞體三種基本計算單元的新型神經(jīng)網(wǎng)絡(luò),樹突功能顯著提升了網(wǎng)絡(luò)的準(zhǔn)確率,同時大幅降低了系統(tǒng)的功耗,增強了網(wǎng)絡(luò)處理復(fù)雜任務(wù)的能力。

包含樹突計算的新型人工神經(jīng)網(wǎng)絡(luò)示意圖生物神經(jīng)網(wǎng)絡(luò)由突觸和神經(jīng)元組成,而神經(jīng)元又包含樹突、胞體等基本結(jié)構(gòu),其中樹突具有非常復(fù)雜的拓撲結(jié)構(gòu)和動態(tài)過程。許多生物神經(jīng)系統(tǒng)的研究表明樹突具有十分重要的非線性時空信息處理功能,它是大腦能夠在處理復(fù)雜任務(wù)的同時保持低功耗的重要原因之一。當(dāng)前的人工神經(jīng)網(wǎng)絡(luò)大多將神經(jīng)元用簡單的點模型表示,將其計算功能簡化成積分-發(fā)放(integrate-and-fire),而忽略了樹突的信息處理功能。這樣的簡化使得人工神經(jīng)網(wǎng)絡(luò)在功耗、靈活性上與生物神經(jīng)網(wǎng)絡(luò)相比仍存在很大的差距。

6月29日,清華大學(xué)微電子所、未來芯片技術(shù)高精尖創(chuàng)新中心錢鶴、吳華強教授團隊,聯(lián)合清華大學(xué)醫(yī)學(xué)院及腦與智能實驗室宋森研究員、美國麻省大學(xué)楊建華教授、阿里巴巴達摩院謝源教授、加州大學(xué)圣芭芭拉分校鄧磊博士,在Nature Nanotechnology上發(fā)表題為“Power-Efficient Neural Network with Artificial Dendrites”的研究論文,報道了基于動態(tài)憶阻器的人工樹突器件,成功復(fù)現(xiàn)了生物樹突對信號的非線性過濾、積分以及對時間信號的處理方式。

為了驗證人工樹突的計算功能,研究團隊將所開發(fā)的人工樹突器件與導(dǎo)電細絲型突觸器件、Mott相變型胞體器件進行系統(tǒng)集成,構(gòu)建了包含突觸、樹突、胞體三種基本計算單元的新型神經(jīng)網(wǎng)絡(luò)。實驗結(jié)果顯示,由于樹突功能的引入,該網(wǎng)絡(luò)在處理具有復(fù)雜背景噪聲的街景門牌號(SVHN)數(shù)據(jù)集時,胞體的動態(tài)功耗降低30倍,網(wǎng)絡(luò)的準(zhǔn)確率提高8%以上,系統(tǒng)評估整體功耗比CPU降低3個數(shù)量級。來自清華大學(xué)微電子所的吳華強教授是該論文的通訊作者,李辛毅博士、唐建石助理教授和張清天博士是共同第一作者。

近年來,錢鶴、吳華強教授團隊長期致力于基于憶阻器的存算一體芯片技術(shù)研究,從器件性能優(yōu)化、工藝集成、電路設(shè)計及架構(gòu)與算法等多層次實現(xiàn)創(chuàng)新突破,相關(guān)研究成果發(fā)表于Nature、Nature electronics、Nature Communications、Advanced Materials等頂級期刊和ISSCC、IEDM、VLSI等領(lǐng)域內(nèi)頂級國際學(xué)術(shù)會議上。

研究人員研制出人工樹突器件,構(gòu)建新型新神經(jīng)網(wǎng)絡(luò)

受生物啟發(fā)制備的新原理樹突器件,復(fù)現(xiàn)了生物樹突對信號的非線性過濾、積分等功能

研究人員研制出人工樹突器件,構(gòu)建新型新神經(jīng)網(wǎng)絡(luò)

集成了突觸、樹突、胞體三種計算單元的新型人工神經(jīng)網(wǎng)絡(luò),在SVHN數(shù)據(jù)集上驗證了功耗和準(zhǔn)確率上的顯著優(yōu)勢

該工作的主要創(chuàng)新之處包括:

開發(fā)出了與CMOS工藝兼容的樹突器件,其豐富的動態(tài)特性復(fù)現(xiàn)了生物樹突單元的非線性過濾、積分以及對時間信息處理等功能。

將所制備的人工樹突器件和基于導(dǎo)電細絲的突觸器件、基于Mott相變的胞體器件進行集成,首次在硬件系統(tǒng)上構(gòu)建了包含突觸、樹突、胞體三種基本計算單元的新型人工神經(jīng)網(wǎng)絡(luò)。

在包含復(fù)雜背景噪聲的街景門牌號數(shù)據(jù)集(SVHN dataset)上,對包含樹突計算的人工神經(jīng)網(wǎng)絡(luò)功能進行了驗證。樹突功能的引入將胞體的動態(tài)功耗降低30倍,同時將網(wǎng)絡(luò)準(zhǔn)確率提高了8%以上,系統(tǒng)評估整體能耗比CPU降低3個數(shù)量級。

該研究基于新原理憶阻器的豐富動態(tài)過程開發(fā)了神經(jīng)形態(tài)樹突器件,并進一步驗證了新型人工神經(jīng)網(wǎng)絡(luò)的功能。未來通過器件、算法、電路、架構(gòu)的協(xié)同創(chuàng)新與優(yōu)化,有望進一步提高包含樹突計算的人工神經(jīng)網(wǎng)絡(luò)處理復(fù)雜時空任務(wù)的能力,構(gòu)建更加智能化的低功耗神經(jīng)網(wǎng)絡(luò)。

該研究工作得到了國家自然科學(xué)基金委、國家重點研發(fā)計劃、北京市科委、北京信息科學(xué)與技術(shù)國家研究中心等支持。

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(xué)習(xí)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
收藏 人收藏

    評論

    相關(guān)推薦

    如何構(gòu)建多層神經(jīng)網(wǎng)絡(luò)

    構(gòu)建多層神經(jīng)網(wǎng)絡(luò)(MLP, Multi-Layer Perceptron)模型是一個在機器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域廣泛使用的技術(shù),尤其在處理分類和回歸問題時。在本文中,我們將深入探討如何從頭開始構(gòu)建一個多層
    的頭像 發(fā)表于 07-19 17:19 ?566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 ?609次閱讀

    PyTorch神經(jīng)網(wǎng)絡(luò)模型構(gòu)建過程

    PyTorch,作為一個廣泛使用的開源深度學(xué)習(xí)庫,提供了豐富的工具和模塊,幫助開發(fā)者構(gòu)建、訓(xùn)練和部署神經(jīng)網(wǎng)絡(luò)模型。在神經(jīng)網(wǎng)絡(luò)模型中,輸出層是尤為關(guān)鍵的部分,它負責(zé)將模型的預(yù)測結(jié)果以合適的形式輸出。以下將詳細解析PyTorch中
    的頭像 發(fā)表于 07-10 14:57 ?386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(xué)習(xí)領(lǐng)域的重要分支,自20世紀(jì)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
    的頭像 發(fā)表于 07-08 18:20 ?593次閱讀

    人工神經(jīng)網(wǎng)絡(luò)模型包含哪些層次

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network,ANN)是一種模擬人腦神經(jīng)網(wǎng)絡(luò)的計算模型,具有自適應(yīng)、自學(xué)習(xí)、泛化能力強等特點。本文將詳細介紹人工
    的頭像 發(fā)表于 07-05 09:17 ?413次閱讀

    人工神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練的基本原理

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡稱ANNs)是一種受生物神經(jīng)網(wǎng)絡(luò)啟發(fā)而構(gòu)建的數(shù)學(xué)模型,用于模擬人腦處理信息的方式。它在機器學(xué)習(xí)和深度學(xué)習(xí)領(lǐng)域具有廣
    的頭像 發(fā)表于 07-05 09:16 ?486次閱讀

    人工神經(jīng)網(wǎng)絡(luò)模型的分類有哪些

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks, ANNs)是一種模擬人腦神經(jīng)元網(wǎng)絡(luò)的計算模型,它在許多領(lǐng)域,如圖像識別、語音識別、自然語言處理、預(yù)測分析等有著廣泛的應(yīng)用。本文將
    的頭像 發(fā)表于 07-05 09:13 ?797次閱讀

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

    人工智能神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)網(wǎng)絡(luò)的計算模型,其結(jié)構(gòu)和功能非常復(fù)雜。 引言 人工智能神經(jīng)網(wǎng)絡(luò)是一種模擬人腦
    的頭像 發(fā)表于 07-04 09:37 ?357次閱讀

    人工智能神經(jīng)網(wǎng)絡(luò)芯片的介紹

    : 概述 人工智能神經(jīng)網(wǎng)絡(luò)芯片是一種新型的處理器,它們基于神經(jīng)網(wǎng)絡(luò)的計算模型,通過模擬人腦神經(jīng)元的連接和交互方式,實現(xiàn)對數(shù)據(jù)的高效處理。與傳
    的頭像 發(fā)表于 07-04 09:33 ?459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 ?779次閱讀

    使用PyTorch構(gòu)建神經(jīng)網(wǎng)絡(luò)

    PyTorch是一個流行的深度學(xué)習(xí)框架,它以其簡潔的API和強大的靈活性在學(xué)術(shù)界和工業(yè)界得到了廣泛應(yīng)用。在本文中,我們將深入探討如何使用PyTorch構(gòu)建神經(jīng)網(wǎng)絡(luò),包括從基礎(chǔ)概念到高級特性的全面解析。本文旨在為讀者提供一個完整的、技術(shù)性的指南,幫助理解并實踐PyTorch
    的頭像 發(fā)表于 07-02 11:31 ?580次閱讀

    構(gòu)建神經(jīng)網(wǎng)絡(luò)模型方法有幾種

    構(gòu)建神經(jīng)網(wǎng)絡(luò)模型是深度學(xué)習(xí)領(lǐng)域的核心任務(wù)之一。本文將詳細介紹構(gòu)建神經(jīng)網(wǎng)絡(luò)模型的幾種方法,包括前饗神經(jīng)網(wǎng)絡(luò)、卷積
    的頭像 發(fā)表于 07-02 10:15 ?275次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的含義和用途是

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡稱ANNs)是一種受生物神經(jīng)網(wǎng)絡(luò)啟發(fā)而構(gòu)建的數(shù)學(xué)模型,它通過模擬人腦神經(jīng)
    的頭像 發(fā)表于 07-02 10:07 ?488次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的工作原理是什么

    人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Networks,簡稱ANNs)是一種模擬人腦神經(jīng)網(wǎng)絡(luò)的計算模型,它通過大量的簡單計算單元(神經(jīng)元)和它們之間的連接(突觸)來實現(xiàn)對復(fù)
    的頭像 發(fā)表于 07-02 10:06 ?740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)(Artificial Neural Networks,ANNs)是一種受生物神經(jīng)網(wǎng)絡(luò)啟發(fā)的計算模型,它通過模擬人腦神經(jīng)元的連接和交互來實現(xiàn)對數(shù)據(jù)的學(xué)習(xí)和處理。自20世紀(jì)4
    的頭像 發(fā)表于 07-02 10:04 ?692次閱讀