0
| 本文作者： 包永剛 | 2019-05-05 18:53 |
根據一項新研究，一種類似電池的設備可以作為計算系統中的人工突觸，用于模仿大腦的效率和學習能力。大腦只需要很少的能量就能學習和記憶大量信息的能力激發了類腦或神經形態計算機的研究，
一個研究團隊之前開發了這種計算機的一部分：一種充當人工突觸的設備，模仿神經元在大腦中的通信方式。
在《科學》雜志上，該團隊報告稱，這些設備的9個原型陣列在處理速度、能效、重復性和耐用性方面表現優于預期。
未來，團隊成員希望將他們的人工突觸與傳統電子設備相結合，他們希望這可以成為推動小型設備人工智能學習向前發展的一步。
“如果你的記憶系統能夠以我們提出的能源效率和速度進行學習，那么你可以把它放在智能手機或筆記本電腦中，”該論文的作者之一Scott Keene說，他是Alberto Salleo實驗室，斯坦福大學材料科學與工程系教授，“這將開啟對我們自己的網絡進行訓練并在設備上本地解決問題的能力，而無需依靠數據傳輸。”
人工突觸模仿人腦
該團隊的人工突觸類似于電池，改進后，研究人員可以接通或切斷兩個終端之間的電流，這種電流模仿了大腦的學習方式。這是一種特別有效的設計，因為數據處理和存儲發生在一個動作中，在傳統的計算機系統中，數據首先被處理然后才被傳輸到存儲器。
了解這些設備如何在陣列中執行是至關重要的一步，因為它允許研究人員同時編程多個人工突觸。這比逐個編程突觸節省時間，并且可以與大腦實際工作的方式相比較。
在先前版本的設備測試中，研究人員發現他們的處理和存儲動作所需的能量是最先進計算系統所需的能量的十分之一，這有利于執行特定的任務。
不過，研究人員擔心所有這些設備在較大陣列中協同工作時可能會產生過多的耗電。因此，他們重新設計每個設備以減少電流，使電池更糟糕，但陣列更節能。
3×3的陣列依賴于第二種類型的設備，由共同作者Joshua Yang在馬薩諸塞大學阿默斯特分校開發，用作陣列中突觸編程的開關。
“要連接所有東西需要進行大量的故障排除和大量的連線。我們必須確保所有陣列組件都協同工作，“Salleo實驗室的博士后學者Armantas Melianas說。“但是當我們看到一切都亮起來時，它就像一棵圣誕樹。那是最激動人心的時刻。“
在測試過程中，陣列的性能超出了研究人員的預期。它以如此快的速度運行，團隊預測他們需要使用特殊的高速電子設備來測試這些設備的下一個版本。
在測量了3×3陣列的高能效后，研究人員對大型1024×1024突觸陣列進行了計算機模擬，并估計它可以基于目前智能手機或小型無人機相同的電池供電。研究人員還能夠將設備切換超過十億次，這是其速度的另一個證據，沒有看到其性能有所減弱。
“事實證明，聚合物器件，如果你能很好地使用它們，就可以像傳統的硅產品一樣具有彈性。從我的角度來看，這可能是最令人驚訝的方面。“Salleo說。
“對我來說，它改變了我對這些聚合物設備的可靠性以及我們如何使用它們的看法。”
未來的測試
研究人員還沒有將他們的陣列進行測試，這將決定它的學習效果，這也是他們計劃研究的東西。該團隊還希望了解他們的設備如何能夠適應不同的環境，例如高溫，以及將其與電子設備集成在一起。還有許多基本問題需要解決，這些問題可以幫助研究人員準確理解為什么他們的設備表現如此出色。
“我們希望更多的人開始研究這種類型的設備，因為沒有多少人關注這個特定的架構，但我們認為它非常有前景，”Melianas說，“因為仍有很大的改進空間和創造力，我們只是觸及表面。“
其他共同作者來自斯坦福大學; 桑迪亞國家實驗室; 和馬薩諸塞大學阿默斯特分校。這項工作的資金來自桑迪亞國家實驗室，美國能源部，國家科學基金會，半導體研究公司，斯坦福大學研究生獎學金基金，以及斯坦福大學博士后研究的Knut和Alice Wallenberg基金會。雷鋒網
雷鋒網編譯，via stanford ，futurity雷鋒網
相關文章：
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
