一研究团队研发的类脑芯片所需能量是最先进计算系统的1/10

根据一项新研究，一种类似电池的设备可以作为计算系统中的人工突触，用于模仿大脑的效率和学习能力。大脑只需要很少的能量就能学习和记忆大量信息的能力激发了类脑或神经形态计算机的研究，

 一个研究团队之前开发了这种计算机的一部分：一种充当人工突触的设备，模仿神经元在大脑中的通信方式。

在《科学》杂志上，该团队报告称，这些设备的9个原型阵列在处理速度、能效、重复性和耐用性方面表现优于预期。

未来，团队成员希望将他们的人工突触与传统电子设备相结合，他们希望这可以成为推动小型设备人工智能学习向前发展的一步。

“如果你的记忆系统能够以我们提出的能源效率和速度进行学习，那么你可以把它放在智能手机或笔记本电脑中，”该论文的作者之一Scott Keene说，他是Alberto Salleo实验室，斯坦福大学材料科学与工程系教授，“这将开启对我们自己的网络进行训练并在设备上本地解决问题的能力，而无需依靠数据传输。”

人工突触模仿人脑

该团队的人工突触类似于电池，改进后，研究人员可以接通或切断两个终端之间的电流，这种电流模仿了大脑的学习方式。这是一种特别有效的设计，因为数据处理和存储发生在一个动作中，在传统的计算机系统中，数据首先被处理然后才被传输到存储器。

了解这些设备如何在阵列中执行是至关重要的一步，因为它允许研究人员同时编程多个人工突触。这比逐个编程突触节省时间，并且可以与大脑实际工作的方式相比较。

在先前版本的设备测试中， 研究人员发现他们的处理和存储动作所需的能量是最先进计算系统所需的能量的十分之一，这有利于执行特定的任务。

不过，研究人员担心所有这些设备在较大阵列中协同工作时可能会产生过多的耗电。因此，他们重新设计每个设备以减少电流，使电池更糟糕，但阵列更节能。

3×3的阵列依赖于第二种类型的设备，由共同作者Joshua Yang在马萨诸塞大学阿默斯特分校开发，用作阵列中突触编程的开关。

“要连接所有东西需要进行大量的故障排除和大量的连线。我们必须确保所有阵列组件都协同工作，“Salleo实验室的博士后学者Armantas Melianas说。“但是当我们看到一切都亮起来时，它就像一棵圣诞树。那是最激动人心的时刻。“

在测试过程中，阵列的性能超出了研究人员的预期。它以如此快的速度运行，团队预测他们需要使用特殊的高速电子设备来测试这些设备的下一个版本。

在测量了3×3阵列的高能效后，研究人员对大型1024×1024突触阵列进行了计算机模拟，并估计它可以基于目前智能手机或小型无人机相同的电池供电。研究人员还能够将设备切换超过十亿次，这是其速度的另一个证据，没有看到其性能有所减弱。

“事实证明，聚合物器件，如果你能很好地使用它们，就可以像传统的硅产品一样具有弹性。从我的角度来看，这可能是最令人惊讶的方面。“Salleo说。

“对我来说，它改变了我对这些聚合物设备的可靠性以及我们如何使用它们的看法。”

未来的测试

研究人员还没有将他们的阵列进行测试，这将决定它的学习效果，这也是他们计划研究的东西。该团队还希望了解他们的设备如何能够适应不同的环境，例如高温，以及将其与电子设备集成在一起。还有许多基本问题需要解决，这些问题可以帮助研究人员准确理解为什么他们的设备表现如此出色。

“我们希望更多的人开始研究这种类型的设备，因为没有多少人关注这个特定的架构，但我们认为它非常有前景，”Melianas说，“因为仍有很大的改进空间和创造力，我们只是触及表面。“

其他共同作者来自斯坦福大学; 桑迪亚国家实验室; 和马萨诸塞大学阿默斯特分校。这项工作的资金来自桑迪亚国家实验室，美国能源部，国家科学基金会，半导体研究公司，斯坦福大学研究生奖学金基金，以及斯坦福大学博士后研究的Knut和Alice Wallenberg基金会。 雷锋网

雷锋网 (公众号：雷锋网) 编译，via stanford   雷锋网

相关文章：

频频引发关注的量子计算和类脑芯片，何时能达预期？

。