Neuromorf databehandling med memristorer

I et blad udgivet i Nano , forskere studerer memristors rolle i neuromorfisk databehandling. Denne nye grundlæggende elektroniske komponent understøtter kloning af bio-neurale systemer med lav pris og kraft.

Moderne computersystemer er ikke i stand til at håndtere kritiske udfordringer med størrelsesreduktion og computerhastighed i big data-æraen. Von Neumann-flaskehalsen omtales som en hindring i dataoverførsel gennem busforbindelsesprocessoren og hukommelsescellen. Dette giver mulighed for at skabe alternative arkitekturer baseret på en biologisk neuronmodel. Neuromorphic computing er en af ​​sådanne alternative arkitekturer, der efterligner neuro-biologiske hjernearkitekturer.

Det humanoide neurale hjernesystem omfatter cirka 100 milliarder neuroner og talrige synapser af forbindelse. En effektiv kredsløbsenhed er derfor afgørende for opbygningen af ​​et neuralt netværk, der efterligner den menneskelige hjerne. Udviklingen af ​​en grundlæggende elektrisk komponent, memristor, med flere karakteristiske træk såsom skalerbarhed, in-memory-behandling og CMOS-kompatibilitet, har markant lettet implementeringen af ​​neurale netværkshardware.

Memristoren blev introduceret som en 'hukommelseslignende modstand', hvor baggrunden for de anvendte input ville ændre enhedens modstandsstatus. Det er en kapabel elektronisk komponent, der kan huske strømmen for effektivt at reducere størrelsen af ​​enheden og øge behandlingshastigheden i neurale netværk. Parallelle beregninger, som i det menneskelige nervesystem, er lavet med støtte fra memristor-enheder i en ny computerarkitektur.

Systemustabilitet og usikkerhed er blevet beskrevet som aktuelle problemer for de fleste hukommelsesbaserede applikationer. Dette er det modsatte af den biologiske proces. På trods af støj, ikke-linearitet, variabilitet og volatilitet, biologiske systemer fungerer godt. Det er stadig uklart, imidlertid, at effektiviteten af ​​biologiske systemer faktisk afhænger af disse forhindringer. Neural modellering undgås nogle gange, fordi det ikke er let at modellere og studere. Muligheden for at udnytte disse ejendomme er derfor, selvfølgelig, en kritisk vej til succes i opnåelsen af ​​kunstige og biologiske systemer.