模擬大腦突觸的液體電路如何實現(xiàn)計算機的邏輯運算
加入技術交流群
一項新的研究發(fā)現(xiàn)，模擬大腦突觸的液體電路可以首次執(zhí)行現(xiàn)代計算機的邏輯運算。這些設備的近期應用可能包括圖像識別等任務，以及大多數(shù)人工智能系統(tǒng)的計算類型。
本文引用地址：http://www.butianyuan.cn/article/202404/457788.htm
ANDRAS KIS/EPFL
就像生物神經元同時計算和存儲數(shù)據(jù)一樣，模仿大腦的神經形態(tài)技術通常將這兩種操作結合起來。這些設備可以大大減少傳統(tǒng)微芯片在處理器和存儲器之間來回穿梭數(shù)據(jù)所損失的能量和時間。它們也可能被證明是實現(xiàn)神經網(wǎng)絡的理想選擇 —— 人工智能系統(tǒng)越來越多地被用于分析醫(yī)療掃描和控制自動駕駛汽車等應用。
“The human brain operates at only 20 watts, orders of magnitude lower than computers that can perform complex tasks usually achieved by people.”
—THéO EMMERICH, SWISS FEDERAL INSTITUTE OF TECHNOLOGY IN LAUSANNE, SWITZERLAND
開發(fā)神經形態(tài)計算機的一種策略涉及憶阻器或記憶電阻器。憶阻器和類似的設備本質上是開關，可以記住它們在斷電后被切換到哪個電狀態(tài)。因此，憶阻器類似于連接神經元的突觸，神經元的導電性增強或減弱取決于許多生物物理因素，包括過去通過神經元的電荷量。
像普通計算機一樣，傳統(tǒng)的憶阻器通過移動電子來工作。在這項新的研究中，瑞士洛桑瑞士聯(lián)邦理工學院（EPFL）的研究人員對流體憶阻裝置進行了實驗，這些裝置轉而依靠在離子周圍“洗牌”來更接近地模擬大腦的運作方式。
使用離子代替電子的一個關鍵優(yōu)點可能是極端的能量效率。EPFL的博士后研究員Théo Emmerich說：“人腦的工作功率只有20瓦，比通常由人完成的復雜任務的計算機低幾個數(shù)量級?！?/p>
此外，洛桑大學的博士助理Yunfei Teng說，大腦的神經網(wǎng)絡包含“許多不同種類的離子，具有不同的電荷和化學性質”。僅舉四個例子，鉀、鈉、鎂和（https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7331944/）對大腦的信息處理能力至關重要。流體憶阻器可以類似地操縱幾種離子類型，以拓寬電路的電子能力。
如何打造液體神經網(wǎng)絡
在這項新的研究中，科學家們從硅芯片開始，該芯片在中間有一層方形氮化硅膜。在該膜的中心是大約100納米寬的單個圓形孔。
然后，研究人員在芯片上添加了鈀和石墨層。鈀層內部是一個通道網(wǎng)絡，每個通道只有幾納米寬。然后將載有鉀離子的水溶液加入芯片中。
“In the long run, our goal is to build computers that work with liquid electrolytes just like living organisms do.”
—ALEKSANDRA RADENOVIC, SWISS FEDERAL INSTITUTE OF TECHNOLOGY IN LAUSANNE, SWITZERLAND
當向芯片施加正電壓時，離子流向孔隙，在孔隙中，離子的壓力在芯片表面和石墨層之間產生氣泡。當水泡迫使石墨向上時，該設備變得更具導電性，將其記憶狀態(tài)切換為“打開”。由于石墨即使沒有電流也能保持上升狀態(tài)，芯片基本上記住了這種狀態(tài)。負電壓可以將芯片的層拉回到一起，將設備重置為“關閉”狀態(tài)。
科學家們能夠將其中兩個芯片連接起來，形成一個邏輯門 —— 一個可以實現(xiàn)AND、OR和NOT等邏輯運算的電路。研究人員指出，他們可以使用自己的邏輯門構建數(shù)字計算中常用的任何其他經典邏輯門。這是第一次連接多個流體憶阻器以形成電路。
此前，科學家們開發(fā)了基于微小注射器或微小狹縫的流體憶阻器（https://spectrum.ieee.org/these-artificial-neurons-use-ions-rather-than-electrons）。然而，這些早期的設備過于龐大和復雜，無法擴展到更大的系統(tǒng)。Emmerich說，相比之下，新的微芯片結構緊湊且可擴展。
科學家們注意到他們的方法有一個缺點：目前設置或重置每個設備大約需要兩秒鐘。相比之下，固態(tài)憶阻器件的切換時間為微秒。盡管如此，他們補充說，仍有很大的空間來提高設備的性能，例如通過優(yōu)化膜的尺寸和剛度，或者改變芯片材料的表面電荷和粘附性能。
EPFL的博士助理Nathan Ronceray說，在接下來的5到10年里，研究人員可以使用他們的設備“構建小型納米流體神經網(wǎng)絡”。這種原始的液體計算系統(tǒng)可以執(zhí)行諸如圖像識別之類的簡單任務。他們還可以執(zhí)行矩陣乘法計算，這是許多計算任務的關鍵，包括操作神經網(wǎng)絡。
EPFL生命科學工程教授Aleksandra Radenovic表示：“從長遠來看，我們的目標是建造像生物體一樣使用液體電解質的計算機，它將能夠實現(xiàn)與基于電子的計算機相同的任務?！?/p>
來源IEEE電氣電子工程師學會，詳細介紹：https://www.nature.com/articles/s41928-024-01137-9
評論