模块化AI芯片;用于数据存储的垂直铁电和反铁电fet;探测无线电波被篡改。
麻省理工学院(MIT)、哈佛大学、斯坦福大学、劳伦斯伯克利国家实验室、韩国科学技术研究院和清华大学的工程师们创造了一种模块化的建筑方法可堆叠、可重构的AI芯片．
该设计包括传感和处理元件的交替层，以及允许芯片层进行光学通信的led。
麻省理工学院博士后Jihoon Kang说:“你可以添加尽可能多的计算层和传感器，比如光线、压力，甚至气味。”“我们称其为类似乐高的可重构AI芯片，因为它具有无限的可扩展性，这取决于层的组合。”
麻省理工学院机械工程副教授Jeehwan Kim补充说:“随着我们进入基于传感器网络的物联网时代，对多功能边缘计算设备的需求将急剧扩大。”“我们提出的硬件架构将在未来为边缘计算提供高度的通用性。”
该团队的第一个设计被配置为基本的图像识别任务，分层图像传感器，led和记忆电阻器阵列，可以训练直接在芯片上处理和分类信号。
该团队的光通信系统由成对的光电探测器和led组成，每个探测器都有微小的像素图案。光电探测器构成了接收数据的图像传感器，而led则将数据传输到下一层。当一个信号(例如一个字母的图像)到达图像传感器时，图像的光模式编码了特定的LED像素配置，这反过来刺激了另一层光电探测器，以及一个人工突触阵列，它根据输入LED光的模式和强度对信号进行分类，”麻省理工学院新闻办公室的Jennifer Chu说。
麻省理工学院博士后Hyunseok Kim说:“其他芯片在物理上是通过金属连接的，这使得它们很难重新布线和重新设计，所以如果你想添加任何新功能，就需要制作一个新的芯片。”“我们用光通信系统取代了物理线路连接，这让我们可以自由地按自己的方式堆叠和添加芯片。”
制作的芯片长约4毫米2然后，研究人员将随机字母的像素化图像照射到芯片上，并测量每个神经网络阵列在响应时产生的电流。该芯片能够正确地对清晰的图像进行分类，但对模糊的图像则有问题。通过将处理层换成去噪效果更好的处理层，精度得到了提高。麻省理工学院博士后Min-Kyu Song说:“我们展示了芯片的可堆叠性、可替换性，以及向芯片中插入新功能的能力。”
接下来，研究人员计划为芯片开发额外的传感和处理能力。
东京大学的研究人员进行了概念验证三维堆叠存储单元基于原子层沉积氧化物半导体通道的铁电和反铁电场效应晶体管(fet)的数据存储。
存储器由沉积在垂直沟槽结构中的氧化铪和氧化铟层制成。fet以非易失性的方式存储数据，而垂直设备结构增加了信息密度并减少了操作能量需求。
“铁电材料具有电偶极子，在同一方向排列时最稳定。铁电氧化铪自发地使偶极子垂直排列。信息存储在铁电层的极化程度，可以通过电阻的变化被系统读取。另一方面，反铁电体喜欢在擦除状态下上下交替偶极子，这使得在氧化物半导体通道内进行有效的擦除操作，”研究人员解释道。
东京大学的李卓(音译)说:“我们证明了我们的设备在至少1000次循环中是稳定的。”
研究小组对不同厚度的氧化铟层进行了实验。东京大学工业科学研究所副教授小林正春(Masaharu Kobayashi)表示，优化这个参数可以显著提高性能。“我们的方法有可能极大地改善非易失性存储器领域。”
来自Ruhr-Universität波鸿(RUB)、马克斯普朗克安全和隐私研究所和Physec的研究人员提出了一种方法检测硬件篡改使用无线电波。
该团队的方法可以监控整个系统。它使用两个天线，一个发射机和一个接收器。发射器发出一种特殊的无线电信号，该信号在系统中到处传播，并被墙壁和计算机组件反射。这些反射导致信号到达接收器，这个信号就像指纹一样是系统的特征。
对系统的小改动会改变指纹。在测试中，该团队为一台传统计算机配备了无线电天线，并定期在其外壳上穿孔。通过这些孔，研究人员让一根细金属针穿透系统内部，检查他们是否注意到无线电信号的变化。在这个过程中，他们改变了针的厚度、位置和深度。
“我们的方法的独特之处在于，我们在计算机运行时进行实验，”RUB的博士生Johannes Tobisch说。
“风扇就像小胡佛，处理器就像加热器，”RUB的博士生保罗·斯塔特(Paul Staat)说。这些环境条件的波动会影响无线电信号。研究人员测量了这些干扰，并将它们分解出来，以确定信号的波动是合法的还是人为操作的结果。
随着计算机的运行，他们能够从一厘米的穿透深度可靠地检测0.3毫米厚的针的穿透。该系统仍然检测到一根只有0.1毫米厚的针，但不是在所有位置。斯塔特说:“针头离接收天线越近，就越容易被探测到。”
“因此，在实际应用中，仔细考虑天线放置的位置是有意义的，”Tobisch补充道。“它们应该尽可能靠近需要高度保护的部件。”
研究人员表示，这种方法既适用于高安全性的应用，也适用于日常保护。除了使用昂贵的高精度测量技术来记录指纹外，他们还将无线电信号与售价几欧元的简单技术进行了比较。低成本版本也可以，但命中率略低。斯塔特说:“这总是在成本和准确性之间做出妥协。
另一个挑战是环境条件的变化，因为温度或湿度的变化可能会影响无线电指纹。“我们希望未来在机器学习的帮助下解决这类问题，”托比施说。
|
|
|
|
|
|
|
|
|
|
留下回复