让计算机仿真大脑活动仍是一项庞大的任务,该芯片及其突触在模拟研究中可用于识别手写样本

尽管科技已经如此进步发达,但对于那些在人工智能领域的研究者来说,让计算机仿真大脑活动仍是一项庞大的任务,如果硬件能够设计更像大脑的硬件,那么管理起来将会更容易。

人脑约有一千亿个神经元,神经元通过100万亿突触(即神经元之间的空间)传递指令,使大脑能够以闪电般的速度识别图案,完成记忆并执行其它学习任务。新兴领域神经形态计算的研究人员试图设计出像人脑一样工作的计算机芯片,通过模拟信号工作,类似于神经元。通过这种方式,小型神经形态芯片可以像大脑一样有效地处理数以百万计的并行计算,而目前只有大型超级计算机才可能实现。这种便携式人工智能方法中亟待解决的问题便是神经突触。
日前,麻省理工学院的工程师设计了一种人造突触,能够精确地控制流过它的电流强度,类似于离子在神经元之间流动的方式,并已利用硅锗制成人造突触芯片。该芯片及其突触在模拟研究中可用于识别手写样本,准确率高达95%。该研究成果发表在《自然材料》期刊上,标志着人类向便携式,低功耗神经形态芯片迈出了重要一步。
研究人员利用硅锗制成人造突触组成的神经形态芯片,每个芯片由输入/隐藏/输出神经元组成,每个神经元通过基于细丝的人造突触连接到其它神经元。每个突触约25纳米,且之间离子流的差异仅为4%,是目前实验室能达到的最一致的装置,也是演示人工神经网络的关键。随后研究人员进行人造神经网络的计算机模拟,识别手写样本,其准确率达到了95%,而现有软件算法的精度为97%。
该团队正在模拟基础上制作真正可执行识别手写任务的神经形态芯片,并期望利用其人工突触设计制造更小型、便携式的神经网络设备用于执行复杂计算,最终实现利用指甲盖大小的芯片代替超级计算机。来源:科技部

图片 1

图片来自MIT News

是的,大家都是这么想的,那么话说回来,究竟这个「期望」有多么困难?
日本研究单位 5
年前就曾经进行过一项大脑活动仿真测试,这个运用世界上最强大超级计算机之一所进行的例子应该能作为一些参考。

在 2013
年时,日本理化学研究所运用超级计算机「京」进行的对大脑活动的仿真测试;「京」一共使用了
82,944 个处理器和 1 PB主存储器,几乎相当于当时 25 万台计算机的运算单位。

而这样一台计算机为了仿真大脑中 10.4 兆突触所连接的 17.3 亿神经元活动的 1
秒钟,就花上了 40
分钟;尽管听起来已经非常厉害,但事实上是,这一切仍只是大脑活动中的百分之一。

即使是现在,大脑仍是比任何计算机都还要更为强大,它包含着 800
亿神经元和超过 100
兆个神经突触,随时都在控制讯息的通过,相较之下,目前计算机芯片仍是以二进制语言在传输讯号,每一条讯息都以
1、0 在进行编码。

科学家认为,如果芯片运用类似突触的连接方式,计算机使用的讯号将可能更加多样化,进而实现「突触式」的学习。

在大脑中,突触负责「管理」讯息的传递,而神经元则会根据穿过突触的离子数量和种类来动作,这些都帮助大脑识别模式、记住事实并执行任务;科学家将这种新兴研究领域称为神经形态工程学(Neuromorphic
engineering)。

迄今为止,想要让芯片拥有这种学习方式已被证明是困难的,但 ScienceAlert
报导指出,随着麻省理工工程师成功克服障碍设计出一种由硅锗制成的人造突触芯片,未来「突触式」学习的发展将有可能达成。

过去神经形态芯片的设计是使用非晶体作为「开关媒介」,分隔开两个导电层以起到突触的作用。
但这种方法存在的问题是,如果没有定义结构性的传播路径,信息就会有无数的路径可以传递,而这带来芯片的不一致及不可预测性。

为了避免非晶体为芯片带来的不均匀性,团队创造了只有一维信道的硅锗晶格,确保离子每次流动时都使用完全相同的路径,接着团队再使用这些晶格打造了神经形态芯片,就像是大脑中神经元之间的电流一样,
这种芯片也可以精准的控制其中流动的电流强度。

团队计划下一步将实际打造出能够执行手写识别的芯片,最终目标则是创造携带式神经网络装置。
在 Kim 看来,这项研究就像一块垫脚石,带领人们走向生产真正的 AI
硬件目标前进,「我们希望最终能以一个指甲大小的芯片,来取代巨大的超级计算机。

这项研究已发表在《自然-材料》期刊中。

相关文章

发表评论

电子邮件地址不会被公开。 必填项已用*标注