一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

到底能不能設(shè)計(jì)出為人工智能打造的神經(jīng)網(wǎng)絡(luò)芯片

Wildesbeast ? 來源:21IC ? 作者:21IC ? 2020-06-13 10:33 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

大腦是人體最重要的器官之一,它支撐著人的視覺、聽覺、平衡、味覺、嗅覺、記憶、情感、學(xué)習(xí)等。大腦的構(gòu)造十分復(fù)雜,由大約1千億個(gè)神經(jīng)元(Neuron)組成,并由約100萬億個(gè)突觸(Synapse)連接。這些神經(jīng)元與突觸一起構(gòu)成了一個(gè)極其龐大的生物神經(jīng)網(wǎng)絡(luò)。

大腦具有極其強(qiáng)大的計(jì)算與學(xué)習(xí)能力,其邏輯功能與記憶功能密切關(guān)聯(lián),能以極低的功耗并行地處理大量數(shù)據(jù)。即便是如今最強(qiáng)大的超級(jí)計(jì)算機(jī),在執(zhí)行模式識(shí)別、風(fēng)險(xiǎn)管理等類似復(fù)雜任務(wù)時(shí),也無法與人腦相抗衡。

生物神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元與突觸

時(shí)下,一種由人腦啟發(fā)的新型計(jì)算機(jī),也稱為“類腦計(jì)算機(jī)”或者“神經(jīng)形態(tài)計(jì)算機(jī)”,成為了一個(gè)新興的研究領(lǐng)域,吸引了物理、化學(xué)、材料、數(shù)學(xué)、電子與計(jì)算機(jī)科學(xué)等一系列領(lǐng)域的科學(xué)家們的廣泛興趣。

基于光線的腦啟發(fā)芯片示意圖。

神經(jīng)形態(tài)計(jì)算是一種新型計(jì)算架構(gòu),旨在模仿大腦處理、加工信息的過程,將存儲(chǔ)元件與計(jì)算元件整合到同一芯片中。它突破了傳統(tǒng)的馮·諾依曼體系結(jié)構(gòu)帶來的瓶頸:數(shù)據(jù)需要在CPU和內(nèi)存之間來回移動(dòng),而CPU運(yùn)算速度較快,內(nèi)存訪問速度較慢,造成了所謂的“內(nèi)存墻”問題。

神經(jīng)形態(tài)計(jì)算,模仿了神經(jīng)系統(tǒng),采用了全新的架構(gòu)。在這種架構(gòu)中,記憶和信號(hào)處理的功能共同處于“記憶元件(憶阻器、憶容器、憶感器)”中。記憶元件組成類似突觸的硬件系統(tǒng),模仿自然信息處理、學(xué)習(xí)和記憶。

近日,美國(guó)麻省理工學(xué)院(MIT)的研究人員設(shè)計(jì)出一款“芯片上的大腦”,它比一片五彩紙屑還小,由數(shù)以萬計(jì)的人工大腦突觸制成。這種突觸稱為“憶阻器”,是一種硅基元件,可以模仿人腦中傳遞信息的突觸。

研究人員借鑒了冶金學(xué)的原理,用銀和銅合金以及硅制成每個(gè)憶阻器。當(dāng)他們用這款芯片來運(yùn)行幾個(gè)視覺任務(wù)時(shí),芯片可以“記住”存儲(chǔ)的圖像,并重復(fù)多次復(fù)制它們,這個(gè)版本比由非合金元素制造的現(xiàn)有憶阻器更清晰、更干凈。

他們的研究成果于6月8日發(fā)表在《自然·納米技術(shù)(Nature Nanotechnology)》雜志上,展示的這款新型憶阻器設(shè)計(jì)非常有望應(yīng)用于神經(jīng)形態(tài)器件。這些電子器件基于一種新型電路,這種電路處理信息的方式模仿了大腦架構(gòu)。這種腦啟發(fā)的電路可以構(gòu)造到小型便攜式器件中,并能處理只有當(dāng)今超級(jí)計(jì)算機(jī)才能處理的復(fù)雜計(jì)算任務(wù)。

MIT 機(jī)械工程系副教授 Jeehwan Kim 表示:“迄今為止,人工突觸網(wǎng)絡(luò)以軟件的形式存在。我們正在嘗試為便攜式人工智能系統(tǒng)打造真正的神經(jīng)網(wǎng)絡(luò)硬件。讓我們想象一下,將神經(jīng)形態(tài)器件連接至你汽車上的攝像頭,讓它能夠識(shí)別光線和物體,并立即作出決策,而無需連接到互聯(lián)網(wǎng)。我們希望采用高能效的憶阻器在現(xiàn)場(chǎng)實(shí)時(shí)地執(zhí)行這些任務(wù)?!?/p>

游蕩離子憶阻器,或者說存儲(chǔ)晶體管,是神經(jīng)形態(tài)計(jì)算中不可或缺的元素。在神經(jīng)形態(tài)器件中,憶阻器將充當(dāng)電路中的晶體管,盡管其工作起來更像大腦突觸(兩個(gè)神經(jīng)元之間的連接)。突觸以離子形式從一個(gè)神經(jīng)元接收信號(hào),并向下一個(gè)神經(jīng)元發(fā)送相應(yīng)的信號(hào)。

常規(guī)電路中的晶體管通過在兩個(gè)值(0和1)之間切換來傳輸信息,并且僅當(dāng)其接收到電流形式的信號(hào)達(dá)到特定強(qiáng)度時(shí)才這樣做。相比之下,憶阻器將沿著梯度工作,很像大腦中的突觸。它產(chǎn)生的信號(hào)將根據(jù)其接收到的信號(hào)強(qiáng)度而變化。這將使單個(gè)憶阻器具有多個(gè)值,因此執(zhí)行運(yùn)算的范圍比二進(jìn)制晶體管大得多。類似于大腦突觸,憶阻器還能“記住”與給定電流強(qiáng)度相關(guān)的值,并在下次接收相似電流時(shí)產(chǎn)生完全相同的信號(hào)。這可以確保復(fù)雜方程式的答案或者對(duì)某個(gè)對(duì)象的視覺分類是可靠的,這一技能通常涉及多個(gè)晶體管和電容器。

最終,科學(xué)家們?cè)O(shè)想,憶阻器將比傳統(tǒng)晶體管需要更少的芯片空間,從而使功能強(qiáng)大的便攜式計(jì)算裝置不依賴于超級(jí)計(jì)算機(jī),甚至無需連接到互聯(lián)網(wǎng)。

但是,現(xiàn)有的憶阻器設(shè)計(jì)在性能上受限。單個(gè)憶阻器由正電極和負(fù)電極制成,被“開關(guān)介質(zhì)”或者電極之間的空間分開。向一個(gè)電極施加電壓時(shí),來自那個(gè)電極的離子流過介質(zhì),形成通向另一個(gè)電極的“導(dǎo)電通道”。接收到的離子組成了電信號(hào),而憶阻器將這些電信號(hào)沿著電路傳輸。離子通道(以及憶阻器最終產(chǎn)生的信號(hào))的大小應(yīng)與激勵(lì)電壓的強(qiáng)度成比例。

Kim 表示,在電壓刺激較大的導(dǎo)電通道,或者離子從一個(gè)電極到另一個(gè)電極的大量流動(dòng)的情況下,現(xiàn)有的憶阻器工作得很好。但是,當(dāng)憶阻器需要通過更細(xì)的導(dǎo)電通道產(chǎn)生更微弱的信號(hào)時(shí),這些設(shè)計(jì)的可靠性就會(huì)降低。

導(dǎo)電通道越細(xì),從一個(gè)電極到另一個(gè)電極的離子流越輕,單個(gè)離子待在一起的難度就越大。相反,它們傾向于脫離團(tuán)隊(duì),在媒介中分散。結(jié)果,當(dāng)在一定的低電流范圍內(nèi)受到激勵(lì)時(shí),接收電極難以可靠地捕獲相同數(shù)量的離子,從而傳輸相同的信號(hào)。

Kim 及其同事通過借鑒冶金學(xué)找到了突破這一局限的方法,冶金學(xué)是將金屬熔煉成合金并研究其綜合性能的科學(xué)。

Kim 表示:“傳統(tǒng)意義上,冶金學(xué)家試圖將不同的原子添加到塊狀基質(zhì)中以增強(qiáng)材料,而我們認(rèn)為,為什么不稍微調(diào)整憶阻器中的原子相互作用,并添加一些合金元素來控制離子在我們介質(zhì)中的運(yùn)動(dòng)?!?/p>

工程師通常用銀作為憶阻器的正極材料。Kim 的團(tuán)隊(duì)仔細(xì)研究文獻(xiàn)找到了一種元素,將它與銀結(jié)合,從而將銀離子有效地保持在一起,同時(shí)允許它們快速地流到另一個(gè)電極。

研究團(tuán)隊(duì)認(rèn)為銅是理想的合金元素,因?yàn)樗饶芘c銀結(jié)合,也能與硅結(jié)合。

Kim 說:“它起到了橋梁的作用,并穩(wěn)定了銀-硅界面?!?/p>

為了使用新合金制造憶阻器,該團(tuán)隊(duì)首先用硅制成了負(fù)極,然后沉積少量的銅,再沉積一層銀,制成正極。他們將兩個(gè)電極像三明治一樣夾在非晶硅介質(zhì)周圍。通過這種方式,他們用數(shù)以萬計(jì)的憶阻器制作成的圖案裝飾一平方毫米的硅芯片。

作為對(duì)這款芯片的首次測(cè)試,他們重新創(chuàng)建了美國(guó)隊(duì)長(zhǎng)盾牌的灰度圖像。他們將圖像中的每個(gè)像素對(duì)應(yīng)于芯片中相應(yīng)的憶阻器。然后,他們調(diào)制每個(gè)憶阻器的電導(dǎo),其強(qiáng)度與對(duì)應(yīng)像素中的顏色相關(guān)。

這款新型芯片(上左)有銀-銅合金制成,以數(shù)以萬計(jì)的人工突觸或稱“憶阻器”圖案進(jìn)行修飾。當(dāng)每個(gè)憶阻器受到對(duì)應(yīng)于某一像素的特定電壓激勵(lì),并逐漸變?yōu)榛叶葓D像(在這個(gè)案例中是美國(guó)隊(duì)長(zhǎng)的盾牌)時(shí),這款芯片就重新創(chuàng)建了同樣的清晰圖像,比通過其他材料的憶阻器制成的芯片更加可靠。

與其他材料制成的芯片相比,該芯片可產(chǎn)生相同的盾牌清晰圖像,并能“記住”該圖像并多次復(fù)制。

該團(tuán)隊(duì)也讓芯片執(zhí)行了圖像處理任務(wù),通過幾種特殊的方法對(duì)憶阻器編程以改變圖像(在這個(gè)案例中是 MIT 的基里安方庭“Killian Court”),包括銳化和模糊原始圖像。又一次,他們的設(shè)計(jì)比現(xiàn)有的憶阻器設(shè)計(jì)更可靠地生成重新編程的圖像。

MIT 制造的這款新型“芯片上的大腦”對(duì) MIT 的基里安方庭圖像進(jìn)行了比現(xiàn)有的神經(jīng)形態(tài)設(shè)計(jì)更可靠的再加工,包括銳化和模糊原始圖像。

Kim 表示:“我們正在使用人工突觸進(jìn)行真實(shí)的推理測(cè)試。我們想要進(jìn)一步開發(fā)這項(xiàng)技術(shù),用更大的陣列來執(zhí)行圖像識(shí)別任務(wù)。有一天,你也許可以攜帶人造大腦來執(zhí)行這些任務(wù),而無需連接到超級(jí)計(jì)算機(jī)、互聯(lián)網(wǎng)或云?!?/p>

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 芯片
    +關(guān)注

    關(guān)注

    459

    文章

    52481

    瀏覽量

    440573
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4814

    瀏覽量

    103552
  • 人工智能
    +關(guān)注

    關(guān)注

    1806

    文章

    49008

    瀏覽量

    249284
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    開售RK3576 高性能人工智能主板

    ZYSJ-2476B 高性能智能主板,采用瑞芯微 RK3576 高性能 AI 處理器、神經(jīng)網(wǎng)絡(luò)處理器 NPU, Android 14.0/debian11/ubuntu20.04 操作系統(tǒng)
    發(fā)表于 04-23 10:55

    【「芯片通識(shí)課:一本書讀懂芯片技術(shù)」閱讀體驗(yàn)】從deepseek看今天芯片發(fā)展

    的: 神經(jīng)網(wǎng)絡(luò)處理器(NPU)是一種模仿人腦神經(jīng)網(wǎng)絡(luò)的電路系統(tǒng),是實(shí)現(xiàn)人工智能神經(jīng)網(wǎng)絡(luò)計(jì)算的專用處理器,主要用于人工智能深度學(xué)習(xí)模型的加速
    發(fā)表于 04-02 17:25

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)在多個(gè)方面存在顯著差異,以下是對(duì)兩者的比較: 一、結(jié)構(gòu)特點(diǎn) BP神經(jīng)網(wǎng)絡(luò) : BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋神經(jīng)網(wǎng)絡(luò)
    的頭像 發(fā)表于 02-12 15:53 ?658次閱讀

    BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)分析

    自學(xué)習(xí)能力 : BP神經(jīng)網(wǎng)絡(luò)能夠通過訓(xùn)練數(shù)據(jù)自動(dòng)調(diào)整網(wǎng)絡(luò)參數(shù),實(shí)現(xiàn)對(duì)輸入數(shù)據(jù)的分類、回歸等任務(wù),無需人工進(jìn)行復(fù)雜的特征工程。 泛化能力強(qiáng) : BP神經(jīng)網(wǎng)絡(luò)通過訓(xùn)練數(shù)據(jù)學(xué)習(xí)到的特征表示
    的頭像 發(fā)表于 02-12 15:36 ?909次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法

    在上一篇文章中,我們介紹了傳統(tǒng)機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)和多種算法。在本文中,我們會(huì)介紹人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法,供各位老師選擇。 01 人工
    的頭像 發(fā)表于 01-09 10:24 ?1178次閱讀
    <b class='flag-5'>人工</b><b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>架構(gòu)方法

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    在深度學(xué)習(xí)領(lǐng)域,神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù),如圖像識(shí)別、自然語(yǔ)言處理和游戲智能等。其中,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是兩種常見的模型。 1. 結(jié)構(gòu)差異 1.1 傳統(tǒng)
    的頭像 發(fā)表于 11-15 14:53 ?1862次閱讀

    RNN模型與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的區(qū)別

    傳統(tǒng)神經(jīng)網(wǎng)絡(luò)(前饋神經(jīng)網(wǎng)絡(luò)) 2.1 結(jié)構(gòu) 傳統(tǒng)神經(jīng)網(wǎng)絡(luò),通常指的是前饋神經(jīng)網(wǎng)絡(luò)(Feedforward Neural Networks, FNN),是一種最簡(jiǎn)單的
    的頭像 發(fā)表于 11-15 09:42 ?1124次閱讀

    嵌入式和人工智能究竟是什么關(guān)系?

    人工智能的結(jié)合,無疑是科技發(fā)展中的一場(chǎng)革命。在人工智能硬件加速中,嵌入式系統(tǒng)以其獨(dú)特的優(yōu)勢(shì)和重要性,發(fā)揮著不可或缺的作用。通過深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)等算法,嵌入式系統(tǒng)能夠高效地處理大量數(shù)據(jù),從而實(shí)現(xiàn)
    發(fā)表于 11-14 16:39

    Moku人工神經(jīng)網(wǎng)絡(luò)101

    不熟悉神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí),或者想了解神經(jīng)網(wǎng)絡(luò)如何優(yōu)化加速實(shí)驗(yàn)研究,請(qǐng)繼續(xù)閱讀,探索基于深度學(xué)習(xí)的現(xiàn)代智能化實(shí)驗(yàn)的廣闊應(yīng)用前景。什么是神經(jīng)網(wǎng)絡(luò)?“人工
    的頭像 發(fā)表于 11-01 08:06 ?661次閱讀
    Moku<b class='flag-5'>人工</b><b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>101

    關(guān)于卷積神經(jīng)網(wǎng)絡(luò),這些概念你厘清了么~

    隨著人工智能(AI)技術(shù)的快速發(fā)展,AI可以越來越多地支持以前無法實(shí)現(xiàn)或者難以實(shí)現(xiàn)的應(yīng)用。本文基于此解釋了 卷積神經(jīng)網(wǎng)絡(luò) (CNN)及其對(duì)人工智能和機(jī)器學(xué)習(xí)的意義。CNN是一種能夠從復(fù)雜數(shù)據(jù)中提
    發(fā)表于 10-24 13:56

    UTB定位技術(shù)能不能精準(zhǔn)定位

    在當(dāng)今科技日新月異的時(shí)代,定位技術(shù)以其廣泛的應(yīng)用場(chǎng)景和不斷提升的精度,成為了多個(gè)領(lǐng)域的核心支撐。其中,UTB定位技術(shù)以其高精度、低延遲和高抗干擾性等特點(diǎn),在眾多定位技術(shù)中脫穎而出,成為精準(zhǔn)定位領(lǐng)域的佼佼者。那么,UTB定位技術(shù)到底能不能精準(zhǔn)定位呢?下面就給大家具體介紹一下
    的頭像 發(fā)表于 09-03 10:07 ?1221次閱讀

    FPGA在人工智能中的應(yīng)用有哪些?

    定制化的硬件設(shè)計(jì),提高了硬件的靈活性和適應(yīng)性。 綜上所述,F(xiàn)PGA在人工智能領(lǐng)域的應(yīng)用前景廣闊,不僅可以用于深度學(xué)習(xí)的加速和云計(jì)算的加速,還可以針對(duì)特定應(yīng)用場(chǎng)景進(jìn)行定制化計(jì)算,為人工智能技術(shù)的發(fā)展提供有力支持。
    發(fā)表于 07-29 17:05

    如何選擇神經(jīng)網(wǎng)絡(luò)種類

    人工智能和機(jī)器學(xué)習(xí)領(lǐng)域,選擇適合的神經(jīng)網(wǎng)絡(luò)種類是構(gòu)建高效、準(zhǔn)確模型的關(guān)鍵步驟。這一過程涉及對(duì)任務(wù)類型、數(shù)據(jù)特性、計(jì)算資源及模型性能要求等多方面的綜合考慮。
    的頭像 發(fā)表于 07-24 11:29 ?1190次閱讀

    Python自動(dòng)訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)

    人工神經(jīng)網(wǎng)絡(luò)(ANN)是機(jī)器學(xué)習(xí)中一種重要的模型,它模仿了人腦神經(jīng)元的工作方式,通過多層節(jié)點(diǎn)(神經(jīng)元)之間的連接和權(quán)重調(diào)整來學(xué)習(xí)和解決問題。Python由于其強(qiáng)大的庫(kù)支持(如Tenso
    的頭像 發(fā)表于 07-19 11:54 ?696次閱讀

    神經(jīng)網(wǎng)絡(luò)專用硬件實(shí)現(xiàn)的方法和技術(shù)

    神經(jīng)網(wǎng)絡(luò)專用硬件實(shí)現(xiàn)是人工智能領(lǐng)域的一個(gè)重要研究方向,旨在通過設(shè)計(jì)專門的硬件來加速神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和推理過程,提高計(jì)算效率和能效比。以下將詳細(xì)介紹神經(jīng)網(wǎng)絡(luò)專用硬件實(shí)現(xiàn)的方法和技術(shù),并附上
    的頭像 發(fā)表于 07-15 10:47 ?2322次閱讀