科學家為神經形態計算設計人工突觸
2023 年 6 月 1 日，洛斯阿拉莫斯國家實驗室的科學家們成功設計了新型介面型膜電阻器，這種型號的膜電阻器可以用於構建下一代的神經形態計算的人工突觸。相對於當前的電阻器技術，膜電阻器具有程式設計和記憶能力，可以記住斷電前的電氣狀態，類似於人腦的能力，可以為計算和裝置開闢新的可能性。洛斯阿拉莫斯國家實驗室的科學家表示神經形態計算是模擬人類大腦 unmatched 的資料儲存和處理架構和能力，為擴充套件計算效能提供了一條道路。
神經形態計算
當前的計算方式有一個嚴重缺點，那就是 von Neumann 瓶頸，即計算和記憶是獨立的。在進行高級任務比如機器學習和影象識別的數位計算機上，需要在中央處理器和記憶體之間來回傳遞資料，因此消耗大量能源和時間。資料中心的能耗在過去幾年中迅速增長，預計到 2030 年，全球約有 8%的電力將被資料中心使用。此外在傳統的計算機結構中，矽基微控制器上的數十億個電晶體作為計算機的二進位制程式碼開關。這些電晶體的微型化已經到達物理極限，這導致了摩爾定律的終結，摩爾定律是一個預測處理能力每兩年翻一倍的極限。
神經形態計算透過突觸將訊息儲存和處理聚集在一起，突觸存取了傳送和接收化學訊息的 1000 億神經元，人腦的“記憶體處理”節省了時間和能量。神經形態計算依賴於新興的器件，如膜電阻器，膜電阻器是在兩個埠之間控制和記憶流過的電荷的開關，以複制突觸的結構和功能。對於膜系統而言，載流量是一個問題，容易過熱，穩定性和可靠性很差。而洛斯阿拉莫斯國家實驗室的科學家們正在研究一種不同的介面型膜電阻器，基於 Au/Nb:STO/Au 介面的簡單結構。這種介面型膜電阻器理論上可以被縮小到菸蒂般的尺寸，甚至是膜系統技術所無法達到的奈米尺寸。與基於電晶體的神經形態晶片相比，介面型膜電阻器需要的處理能量要少得多。
神經形態計算的未來
科學家們透過使用人工神經網路模擬研究介面型膜電阻器的計算效能，將其與由國家標準與技術研究院維護的修改的美國國家標準與技術蒐集來的手寫影象資料集進行對比。該裝置實現了 94.72%的識別準確度，具有出色的一致性、可程式設計性和可靠性，這使得團隊認為這些新的介面型膜電阻器可以成為下一代神經形態計算的基礎硬體。
介面型膜電阻器的開發雖然還處在研究階段，但科學家們相信神經形態晶片與人腦一樣，可以在先進的任務，如學習和實時決策上表現出色。神經形態計算可以用於各種應用，例如自動駕駛汽車、無人機和安全攝像頭等需要智慧的場域。越來越多的事情能夠執行的裝置，可以拓展人類的理解和能力。
結論
介面型膜電阻器的開發為神經形態計算的發展帶來了無限的可能性。由於神經形態計算與人類大腦的處理方式相同，因此具有能耗低、高並行性和出色的錯誤容忍度等優點，可以用於進行各種先進的操作，如學習、識別和決策。建議未來的科學家們，需加固硬體與演算法設計，相互合作完成未來的發展。
延伸閱讀
- 美國太空總署挑選三個團隊設計下一代月球車
- 蘋果 Vision Pro 現在擁有超過 1000 款專為新裝置設計的應用程式
- 麻省理工學院科學家開發振動減肥藥
- 美國加州威爾斯福哥銀行：美國央行數位貨幣（CBDC）可能在三至五年內設計、批準並推出
- 「Figma 與 Adobe 同臺協力！這回合怎麼玩？」
- 科學家透過對抗式持續學習，推進聲音病理學檢測
- 科學家開始利用 ChatGPT 背後的技術來構建科學發現的人工智慧
- Dropbox 全新設計，釋出 AI 動力 Dash 的測試版本
- 「解鎖創新：多穩定機械異質材料在設計、製造和應用上的演進」
- 「Displace 為其全無線電視設計一套著陸齒系統，讓你看電視更安全！」
