Speciel blanding af kredsløb og memristive enheder skabt til hjerne-efterlignende behandlingssystemer

I løbet af 1990'erne, Carver Mead og kolleger kombinerede grundforskning i neurovidenskab med elegant analogt kredsløbsdesign i elektronisk teknik. Dette banebrydende arbejde med neuromorfe elektroniske kredsløb inspirerede forskere i Tyskland og Schweiz til at udforske muligheden for at reproducere fysikken i rigtige neurale kredsløb ved at bruge siliciums fysik.

Området med "hjerne-mimicing" neuromorf elektronik viser et stort potentiale, ikke kun for grundforskning, men også for kommerciel udnyttelse af "always-on edge computing" og "tingenes internet"-applikationer.

I Anvendt fysik bogstaver Elisabetta Chicca, fra Bielefeld Universitet, og Giacomo Indiveri, fra universitetet i Zürich og ETH Zürich, præsentere deres arbejde for at forstå, hvordan neurale behandlingssystemer i biologi udfører beregninger, samt en opskrift til at gengive disse computerprincipper i blandet signal analog/digital elektronik og nye materialer.

Et af de mest karakteristiske beregningsmæssige træk ved neurale netværk er læring, så Chicca og Indiveri er særligt interesserede i at reproducere de adaptive og plastiske egenskaber af rigtige synapser. De brugte både standard komplementære metal-oxid-halvledere (CMOS) elektroniske kredsløb og avancerede nanoskala-hukommelsesteknologier, såsom hukommelsesanordninger¬, at bygge intelligente systemer, der kan lære.

Dette arbejde er vigtigt, fordi det kan føre til en bedre forståelse af, hvordan man implementerer sofistikeret signalbehandling ved hjælp af ekstremt lavt strømforbrug og kompakte enheder.

Deres nøgleresultater er, at de tilsyneladende ulemper ved disse energibesparende computerteknologier, hovedsageligt relateret til lav præcision, høj følsomhed over for støj og høj variabilitet, faktisk kan udnyttes til at udføre robust og effektiv beregning, meget ligesom hjernen kan bruge meget variable og støjende neuroner til at implementere robust adfærd.

Forskerne sagde, at det er overraskende at se området hukommelsesteknologier, typisk beskæftiget med bitpræcise højdensitets-enhedsteknologier, ser nu på dyrehjerner som en inspirationskilde til at forstå, hvordan man bygger adaptive og robuste neurale behandlingssystemer. Det er meget i tråd med den grundforskningsdagsorden, som Mead og kolleger fulgte for mere end 30 år siden.

"De elektroniske neurale behandlingssystemer, som vi bygger, er ikke beregnet til at konkurrere med de kraftfulde og nøjagtige kunstige intelligenssystemer, der kører på strømkrævende store computerklynger til naturlig sprogbehandling eller billedgenkendelse og klassificering i høj opløsning, " sagde Chicca.

I modsætning, deres systemer "tilbyder lovende løsninger til de applikationer, der kræver kompakt og meget laveffekt (submilliwatt) realtidsbehandling med korte latenser, " sagde Indiveri.

Han sagde, at eksempler på sådanne applikationer falder inden for "det 'extreme-edge computing'-domæne, som kræver en lille mængde kunstig intelligens for at udtrække information fra live eller streaming sensoriske signaler, såsom til bio-signalbehandling i bærbare enheder, hjerne-maskine-grænseflader og altid aktiv miljøovervågning."