类脑AI芯片;将振荡器与忆阻器相结合;insect-inspired记忆。
类脑AI芯片
来自普渡大学、圣克拉拉大学、波特兰州立大学、宾夕法尼亚州立大学、阿贡国家实验室、伊利诺伊大学芝加哥分校、布鲁克海文国家实验室和佐治亚大学的研究人员建立了一个可重复编程的芯片可以作为类脑人工智能硬件的基础。
“生物的大脑可以在其一生中不断学习。我们现在已经创建了一个人工平台，让机器在整个生命周期中学习，”普渡大学材料工程学院教授施拉姆·拉马纳坦说。
该装置可通过电脉冲按需重新编程。Ramanathan说:“如果我们想要制造一台受大脑启发的计算机或机器，那么相应地，我们希望能够不断地编程、重新编程和改变芯片。”
该装置由钙钛矿镍酸盐制成，对氢非常敏感。通过施加不同电压的电脉冲，该设备可以在几纳秒内改变氢离子的浓度，从而创造出研究人员发现可以映射到大脑中相应功能的状态。当该装置的中心附近有更多的氢时，它就可以起到神经元的作用。由于该位置的氢气较少，该设备就充当了神经元之间的突触，这是大脑用来在复杂的神经回路中存储记忆的东西。
研究人员表示，与静态网络相比，该设备的内部物理结构为人工神经网络创建了一个动态结构，能够更有效地识别心电图模式和数字。该神经网络使用了存储计算，解释了大脑的不同部分是如何交流和传递信息的。
随着新问题的出现，动态网络可以“挑选”最适合解决这些问题的电路。
“我们证明了这种设备非常坚固，”普渡大学材料工程博士生迈克尔·帕克(Michael Park)说。“在对设备编程超过一百万次循环后，所有功能的重新配置都是非常可重复的。”
由于该团队能够使用标准的半导体兼容制造技术来构建该设备，并在室温下操作该设备，Ramanathan认为这种技术可以很容易地被半导体行业采用。研究人员正致力于大规模测试芯片，这些芯片将被用于构建受大脑启发的计算机。
将振荡器与忆阻器相结合
哥德堡大学和日本东北大学的研究人员建议将两者结合起来带忆阻器的振荡器网络为人工智能创造更多类似大脑的硬件。
“几十年来，寻找类似大脑节能过程的计算新方法一直是研究的主要目标。认知任务，如图像和语音识别，需要大量的计算机能力，而移动应用，特别是像手机、无人机和卫星，需要节能的解决方案，”哥德堡大学应用自旋电子学教授Johan Åkerman说。
Åkerman描述了振荡电路，可以像人类神经细胞一样进行计算，而记忆电阻器可以像记忆细胞一样进行计算并具有集成存储器。在该团队的设备中，忆阻器被用于控制互自旋霍尔纳米振荡器同步。
“在高电阻状态下，忆阻器通过外加电场调节CoFeB/MgO界面上的垂直磁各向异性。在其低电阻状态下，忆阻器增加或减少电流到SHNO[自旋霍尔纳米振荡器]驱动器。电场和电流控制都会影响SHNO的自振荡模式和频率，使我们能够在四个SHNO链中可逆地开启/关闭相互同步。我们还证明了两个单独控制的忆阻器可以用来将一个四shno链调到不同的同步状态。因此，忆阻门控是一种用于非常规计算模型的输入、调优和存储SHNO阵列状态的有效方法。”
“这是一个重要的突破，因为我们证明了在同一个组件中结合记忆函数和计算函数是可能的。这些组件的工作原理更像大脑的节能神经网络，使它们成为未来更像大脑的计算机的重要组成部分，”Åkerman说。“认知计算的能源效率越高，应用的可能性就越大。”
Insect-inspired记忆
来自CEA-Leti的研究人员从欧洲研究委员会(ERC)获得了300万欧元的资助纳米级记忆装置灵感来自昆虫神经系统用于消费机器人、可植入医疗诊断微芯片和可穿戴电子产品等应用。
“我的项目是从昆虫的神经系统中获得灵感，以放松内存密度和可靠性方面的硬件要求，并构建我们所需的新的纳米系统，以便从非常有限的噪声数据中学习，”nea - leti的Edge AI项目协调员和赠款获得者Elisa Vianello说。
“蟋蟀基于迟钝、不精确和不可靠的神经元和突触做出准确的决定，以逃避捕食者。仔细观察它们的生物学，我们发现它们的感觉和神经系统中有多种类似记忆的功能。”“通过结合这些不同的功能，蟋蟀的内部计算系统实现了惊人的性能和能源效率。
“我们erc资助的项目将使用这些新型纳米级存储技术来模拟在昆虫中观察到的生物机制，并创建高性能、节能的硅基纳米系统。
特别是，研究人员计划建立物理纳米级存储设备网络，将昆虫的生物学原理转化为物理原理，从而能够从非常有限的噪声数据中学习，例如从视频摄像机、雷达传感器、ECG、EMG、生物阻抗流中的不同传感器实时测量的数据，以及通过脑电图传感器和神经探针的大脑信号。Vianello说:“由于目前还不存在理想的存储器，该项目旨在构建一种混合突触，将不同的存储器技术协同集成。”
|
|
|
|
|
|
|
|
|
|
留下回复