工程师在便携式AI设备的单个芯片上放置了成千上万的人工脑突触

麻省理工学院的工程师设计了一种“片上大脑”,它比一块五彩纸屑还要小,它是由成千上万的人工脑突触(称为忆阻器)制成的。人脑。

研究人员借鉴了冶金原理,用银,铜和硅的合金制造了每个忆阻器。当他们通过几个视觉任务运行芯片时,芯片能够“记住”存储的图像并多次复制它们,与使用非合金元素制成的现有忆阻器设计相比,该版本更清晰,更干净。

他们的研究结果发表在2020年6月8日的《自然纳米技术》杂志上,展示了一种有前途的新型记忆忆阻器设计,用于神经形态设备。电子设备基于一种新型电路,该电路以模仿大脑神经结构的方式处理信息。这种受大脑启发的电路可以内置于小型便携式设备中,并且可以执行只有当今的超级计算机才能处理的复杂计算任务。

一种新的神经形态“片上大脑”的特写视图,其中包括成千上万个忆阻器或存储晶体管。

“到目前为止,人工突触网络作为软件存在。我们正在努力为便携式人工智能系统构建真正的神经网络硬件。”麻省理工学院机械工程副教授Jeehwan Kim说。想象一下,将神经形态设备连接到汽车上的摄像头,让它能够识别灯光和物体并立即做出决定,而无需连接到互联网。我们希望使用高效节能的忆阻器在现场实时完成这些任务。

徘徊离子

忆阻器或存储晶体管是神经形态计算中必不可少的元素。在神经形态设备中,忆阻器将充当电路中的晶体管,尽管其工作方式更类似于大脑突触,即两个神经元之间的连接。突触以离子形式从一个神经元接收信号,并向下一神经元发送相应的信号。

常规电路中的晶体管通过仅在两个值0和1之间切换来传输信息,并且仅当其以电流形式接收的信号具有特定强度时才这样做。相反,忆阻器将沿着梯度工作,就像大脑中的突触一样。它产生的信号将根据接收到的信号的强度而变化。这将使单个忆阻器具有多个值,因此执行的操作范围比二进制晶体管大得多。

新芯片(左上方)上有数以万计的由银铜合金制成的人造突触或“忆阻器”。当用对应于灰度图像中像素和阴影的特定电压激励每个忆阻器(在这种情况下,是美国队长屏蔽)时,新芯片将重现相同的清晰图像,比使用不同忆阻器制造的芯片更可靠材料。

像脑突触一样,忆阻器还能够“记住”与给定电流强度相关的值,并在下次接收相似电流时产生完全相同的信号。这可以确保对复杂方程式或对象的视觉分类的答案是可靠的,这一壮举通常涉及多个晶体管和电容器。

最终,科学家们设想,忆阻器所需的芯片空间将比传统晶体管少得多,从而使功能强大的便携式计算设备不依赖超级计算机,甚至不依赖于Internet。

但是,现有的忆阻器设计在性能上受到限制。单个忆阻器由正电极和负电极制成,由“开关介质”或电极之间的空间隔开。当向一个电极施加电压时,来自该电极的离子流过介质,从而形成通向另一电极的“传导通道”。接收到的离子组成了忆阻器通过电路传输的电信号。离子通道的大小(以及忆阻器最终产生的信号)应与激励电压的强度成正比。

麻省理工学院制造的一种新的“单片大脑”可以比现有的神经形态设计更可靠地重新处理麻省理工学院“基利安法院”的图像,包括对图像进行锐化和模糊处理。

Kim说,现有的忆阻器设计在电压刺激较大的导电通道或离子从一个电极到另一个电极的大量流动的情况下效果很好。但是,当忆阻器需要通过更细的传导通道生成更微妙的信号时,这些设计的可靠性就会降低。

传导通道越薄,离子从一个电极到另一电极的流动越轻,则残存离子越难保持在一起。相反,他们倾向于从群体中流浪,在媒体中解散。结果,当受到一定范围的低电流刺激时,接收电极很难可靠地捕获相同数量的离子,从而传输相同的信号。

冶金学

金和他的同事们通过借鉴冶金学,将金属熔炼成合金并研究其综合性能的技术,找到了解决这一局限的方法。

“传统上,冶金学家试图将不同的原子添加到块状基质中以增强材料,我们认为,为什么不调整忆阻器中的原子相互作用,并添加一些合金元素来控制离子在我们介质中的运动,”金说。

工程师通常使用银作为忆阻器正极的材料。金的团队仔细研究了文献,发现了一种可以与银结合的元素,可以有效地将银离子保持在一起,同时允许它们快速流到另一个电极。

研究小组将铜作为理想的合金元素,因为它既可以与银结合,也可以与硅结合。

金说:“它起到了桥梁的作用,并稳定了银硅界面。”

为了使用它们的新合金制造忆阻器,该小组首先用硅制成了负极,然后先沉积少量的铜,再沉积一层银,制成正极。他们将两个电极夹在非晶硅介质周围。通过这种方式,他们在具有数以万计的忆阻器的毫米平方硅芯片上进行了构图。

作为对该芯片的首次测试,他们重新创建了美国队长盾牌的灰度图像。他们将图像中的每个像素等同于芯片中相应的忆阻器。然后,他们调制每个忆阻器的电导,其强度与相应像素中的颜色相对。

与其他材料制成的芯片相比,该芯片可产生与屏蔽相同的清晰图像,并且能够“记住”该图像并将其复制多次。

该小组还通过图像处理任务来处理芯片,对忆阻器进行编程以改变图像,在本例中是MIT的Killian Court,以几种特定方式进行,包括锐化和模糊原始图像。同样,他们的设计比现有的忆阻器设计更可靠地生成重新编程的图像。

“我们正在使用人工突触进行真实的推理测试,” Kim说。“我们希望进一步开发该技术,使其具有更大的阵列来执行图像识别任务。甚至有一天,您可能可以携带人造大脑来执行这些任务,而无需连接到超级计算机,互联网或云。

参考:严汉武,林鹏,崔灿烈,斯科特·H·谭,朴永模,李道云,李在容,冯锋,高斌,吴华强,何谦,聂一凡,金世扬的“为可靠的神经形态计算而建立的传导渠道”和Jeehwan Kim,2020年6月8日,自然纳米技术。
10.1038 / s41565-020-0694-5

这项研究部分由麻省理工学院研究支持委员会的资金,麻省理工学院的IBM Watson AI实验室,三星全球研究实验室和美国国家科学基金会资助。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。