指尖的超算：MIT脑启发芯片登上Nature子刊
最后更新：2020-06-10 10:08:40 手机定位技术交流文章
机器心脏报告
参与:泽南、周晓、杜威
要运行一个人工神经网络，我们仍然需要一个神经形态学芯片。
麻省理工学院(MIT)的工程师韩华荣(Hanwool Yeon)、金智焕(Jeehwan Kim)和其他人设计了一种“芯片上的大脑”，它比指甲盖还小，包含数十万个人工突触(忆阻器)。它的“记忆”比我们知道的其他芯片好得多。我们离模拟人脑又近了一步吗？
这种全新的芯片借鉴了冶金技术原理，使用银、铜和硅合金制造忆阻器。当芯片处理视觉任务时，它可以“记住”图像并多次再现内容。与非合金材料制成的忆阻器相比，新版的记忆更加清晰。
研究论文“为可靠的神经计算提供传导渠道”今天发表在《自然》杂志的附属期刊《自然纳米技术》上。研究人员展示了一种新型神经记忆忆阻器的有希望的设计，其电路以模拟大脑神经结构的方式处理信息。更重要的是，这种受大脑启发的计算方法可以插入到便携式设备中，但它可以完成复杂的任务，而这些任务现在只有超级计算机才能完成。
“到目前为止，人工突触网络以软件的形式存在。我们正在讨论的是建立真正的神经网络硬件，为可穿戴人工智能系统开辟道路，”麻省理工学院机械工程助理教授金吉焕说。“想象一下将神经形态设备连接到汽车的摄像头上。该系统可以识别交通信号灯和道路上的各种目标，及时做出反应，并且不需要连接到互联网。我们希望通过低能量忆阻器在本地实时处理这些任务。ゥ
移动离子
忆阻器，也称为记忆晶体管，是神经形态计算中不可缺少的部件。在神经形态装置中，忆阻器将充当电路中的晶体管，尽管它们的操作更类似于两个神经元之间的连接点——大脑突触。突触从一个神经元接收离子信号，然后将相应的信号发送到下一个神经元。
传统电路中的晶体管通过在0和1两个值之间切换来传输信息。只有当它接收到的信号是电流的形式并且具有一定的强度时，这个操作才能完成。相比之下，忆阻器通常使用梯度，更像是大脑中的突触。忆阻器产生的信号将由于其自身接收信号的强度而改变，这使得单个忆阻器具有许多值，因此可以执行比二进制晶体管更宽范围的操作。
就像大脑中的突触一样，忆阻器可以“记住”给定电流的强度，并在下次接收类似电流时产生完全相同的信号。这可以确保复杂方程的求解或视觉分类任务的处理结果相对固定，并且相同的效果通常需要大量的晶体管和电容器通过合作来完成。
所以科学家们想出了一个主意，忆阻器需要比传统晶体管小得多的芯片面积，这可以使强大的便携式计算设备不再依赖超级计算机和网络连接。
然而，现有忆阻器的设计受到其自身性能的限制。单个忆阻器由一个正电极和一个负电极组成，并由电极之间的“交换介质”或空隔开。当一个电极施加一定的电压时，该电极中的离子流过“交换介质”，为另一个电极产生“传导通道”。接收的离子形成由忆阻器通过电路传输的电信号。离子通道和忆阻器产生的最终信号应该与刺激电压的强度成正比。
Kim说，现有的忆阻器设计在大规模传导通道受到电压刺激或大量离子从一个电极流向另一个电极时表现良好。然而，当忆阻器需要通过更薄的传导通道产生更细微的信号时，这些忆阻器设计的可靠性远远不够。
传导通道越薄，从一个电极流向另一个电极的离子越少，单个离子越难聚集在一起。相反，离子倾向于偏离群体并在介质中扩散。结果，接收电极很难可靠地捕获相同数量的离子，并且当被某个低电流范围激励时，接收电极将发射相同的信号。
向冶金方法学习
吉万·金(Jeehwan Kim)等人从冶金学中吸取教训，将金属熔化成合金，并研究它们的综合性能，找到了突破这一限制的方法。
研究人员认为，通常，冶金学家试图将不同元素的原子添加到大块基体中，以强化材料。为什么不调整忆阻器中原子之间的相互作用，并添加一些合金元素来控制离子在介质中的运动呢？”金姆说。
工程师经常使用银作为忆阻器的正极材料。金的团队查阅了文献，发现了一种与银混合的元素，要求这种元素将银离子结合在一起，同时让它们流向另一个电极。
该研究小组使用铜作为理想的合金元素，因为它可以与银和硅结合。
金说:“它起到了桥梁的作用，稳定了银硅界面。ゥ
为了让忆阻器使用所研究的新合金材料，研究小组首先用硅制作了一个负电极，然后沉淀了少量的铜，然后沉积了一层银来制作正电极。他们在非晶硅介质周围夹住两个电极。通过这种方式，研究人员使用数万个忆阻器来制作一个平方毫米的硅芯片。
在芯片的第一次测试中，他们重现了美国队长盾的灰色图像。它们将图像中的每个像素对应到芯片中的忆阻器。然后，调整每个忆阻器的电导，其强度与图像中相应像素的颜色相关。
与其他材料制成的芯片相比，该芯片可以产生与原屏蔽相同的图像，并且可以多次记忆图像并成功重建。
32×32无晶体管硅忆阻器阵列示意图。图d显示了合金忆阻器和麻省理工学院提出的新方法的记忆效应比较。
研究小组还将芯片用于图像处理任务，并对忆阻器进行编程以改变图像。在这种情况下，使用了麻省理工学院基利安法院，并使用了几种特定的方法来改变图像，包括锐化和模糊原始图像。这项研究的设计产生了比现有忆阻器更精确的重编程图像。
“我们正在使用人工突触在真实环境中进行推理测试，”金智焕说。“在未来，我们将进一步开发这项技术，并使用更大规模的数据来完成图像识别任务。有一天，你可能会带着你的人工大脑去完成这样的任务，而不用连接到超级计算机、互联网或云服务。ゥ
参考内容:
http://news . MIT . edu/2020/million-artificial-brain-synapses-single-chip-0608
https://www.nature.com/articles/s41565-020-0694-5
本文由 在线网速测试 整理编辑，转载请注明出处。
