记忆电阻器重现;域壁;超次元网。
记忆电阻器再现
的马萨诸塞大学阿默斯特迈出了一步实现的神经形态计算设计了吗基于蛋白质纳米线bio-voltage记忆电阻器。
在神经形态计算,这个想法是为了让记忆更接近加速系统的处理任务。为此,该行业正试图复制大脑硅。目标是模仿的方式,信息从一个神经元群使用脉冲时间精确到另一个。
神经形态计算并不是唯一的方法让记忆更接近系统的处理任务。也有一些传统的软件和硬件的方法。所有技术正试图处理各种工作负载使用机器学习系统。机器学习人工智能的一个子集,利用神经网络来处理数据和识别模式。它匹配特定的模式和学习哪些属性是很重要的。
与此同时,在2008年,惠普(hewlett - packard)开发了一种叫做记忆电阻的装置。ReRAM的一种形式,忆阻器是一种无源二端电子装置。在记忆中,如果一个电荷的流动停止通过关闭应用的电压,该组件会记得它最后的抵抗。
该行业仍在工作记忆电阻器和相关类型的内存。但是记忆电阻器从来没有辜负他们的承诺,还在画板上。它或多或少都失败了。
在最新的发展领域,马萨诸塞大学阿默斯特已经证明扩散忆阻器基于蛋白质的纳米线。核废料旁边的纳米线本身就是收获细菌sulfurreducens,哪些功能的生物电压40 - 100 mv,根据研究人员在自然通讯科技日报》。
核废料旁边sulfurreducens杆状细菌。它是一种细菌,这种细菌可以进行水平的电力。
使用这种微生物,研究人员开发出两个忆阻器devices-planar和垂直。在平面版中,两枚电极分别开发和位于衬底。瘦蛋白纳米线结构连接的两个电极。
在垂直的版本,蛋白质纳米线夹在两个电极。在这两种情况下,记忆电阻器达到神经系统电压,根据研究人员。“这是第一次,一个设备可以函数在相同的电压电平的大脑。人可能甚至没有敢希望我们可以创建一个设备的能效是生物的大脑,但是现在我们有现实的超低能耗的计算能力的证据。这是一个概念的突破,而且我们认为它会造成很大的勘探工作的电子生物电压政权,“小君说姚明,马萨诸塞大学阿默斯特学院研究员。
“你可以调节导电率,或者nanowire-memristor突触的可塑性,因此可以模拟生物brain-inspired计算组件。与传统的计算机相比,该设备具有学习能力,不是基于软件的,”姚明说。
磁畴壁
德克萨斯大学奥斯汀分校神经形态计算已经发展了另一种方法磁畴壁赛马场。
研究人员开发了一系列基于磁隧道结(MTJ)磁性纳米线设备。用于STT-MRAM MTJ是一个组件。它由两个铁磁物质由一层绝缘体分开。在操作,这两个磁化的铁磁薄膜可以切换外部磁场。
mtj类似于数组磁畴壁,可以操纵在磁性金属电线使用电流在隔壁,据麻省理工学院(MIT)。
实际上,磁纳米线作为人工神经元。在实验室里,来自得克萨斯大学的研究人员证明了侧抑制行为1000年数组MTJ神经元。
“现在,训练你的神经网络方法非常密集,”冉阿让说安妮Incorvia,助理教授Cockrell学校的电子和计算机工程系在德克萨斯大学奥斯汀分校。“我们的工作能做的就是帮助减少训练努力和能源成本。”
超次元网
美国国防高级研究计划局(DARPA)最近发布了提交的基础研究或应用研究的新兴领域超次元数据功能的神经网络(HyDDENN)。
深层神经网络(款)变得复杂,依靠大量增殖和积累(MAC)操作。一个款需要数百亿MAC操作执行一个推论,据DARPA。“因此,根本上是受限于可用款MAC的准确性资源,”据DARPA。
“HyDDENN计划寻求新的数据使神经网络(NN)架构打破依赖大苹果款,“根据机构。“HyDDENN将勘探和开发创新的数据表示与浅神经网络架构基于高效、non-MAC,数字计算原语,使高度精确和节能国防部边缘系统的人工智能。”
|
|
|
|
|
|
|
|
留下一个回复