MIT人工突觸晶元新突破：指甲大小的晶元有望媲美超算
原作 Jennifer Chu
Root 編譯自 MIT News
量子位 出品 | 公眾號 QbitAI
論傳遞信息的能力，計算機的二進位目前還比不上人腦。
因為大腦神經元之間傳遞的信號形式遠多過0或1兩種：根據突觸（神經元之間的結構）間不同的神經遞質，不同的濃度，下游神經元可以拿到不一樣的信號。
神經形態計算領域的研究人員希望，能找到一種造出類腦的晶元，可多層次地傳遞信息。一旦有了多層次的信號傳遞方式，那麼很小的一塊神經形態晶元就能匹敵現在的超算，毫不費力地並行運算海量數據。
前兩天，MIT電子與微系統技術實驗室的Jeehwan Kim教授在《自然》材料子刊發表了一篇論文，SiGe epitaxial memory for neuromorphic computing with reproducible high performance based on engineered dislocations。
MIT電子與微系統技術實驗室的Jeehwan Kim教授
Kim教授和他的研究團隊設計出一種材料為硅鍺的人工突觸晶元，可以精確地控制電流的強度，就像神經元可以定量釋放多少神經遞質一樣。
論文中顯示，這款人工突觸晶元已經可以支持識別手寫字體的機器學習演算法，準確率達到95%。儘管低於現有的晶元的基準表現97%，不過依然相當promising。
可以說，這篇文章的研究工作奠定了未來神經形態晶元的發展基礎。
以後我們的移動設備，可能得靠這種晶元來支持圖像識別和其他機器學習任務了。又考慮到移動設備有限的續航能力，這晶元不光要體積小，還得低耗才行。
能快速運算AI演算法，便攜，低耗是未來市場對這種晶元的基礎要求。
待解決的難題：太多條「路」可以走
Kim教授說，現有的大部分神經形態晶元都嘗試模仿神經突觸，將兩個可導電的層用另一種纖維介質分隔開。由於所用的介質材料是非晶態的，電子可以朝所有可能的方向跑，像彈珠機一樣。即使人工突觸的空間結構是模仿出來了，卻無法精準控制「遞質釋放的濃度」——電流的強度。
控制不了電流的強度，那麼所攜帶的信息也就復現不了。這就是人工突觸晶元面臨的最大難題，缺乏信息傳遞的一致性。
完美的不匹配
為了解決這個問題，Kim研究團隊鎖定了一種由連續排列的原子組成的無缺陷導電材料，單晶硅。這樣就可以準確預測電子的流動了。
後來進一步研究發現，硅鍺的晶格稍大於硅的晶格，這兩種完全不匹配的材料可以形成漏斗狀的錯位，反而能形成單一的離子流通路徑。
這個由硅鍺製成的人工突觸晶元，每個「突觸」間隙約25納米。實驗中對每個突觸施加電壓，發現所有突觸都表現出差不多的電流，不同突觸之間的差異大概為4％。與由非晶態的材料製成的「突觸」相比，電流強度大小更可控。
對單個「突觸」的700次重複施電壓實驗中，「突觸」所輸出的電流都是相同的，偏差均在1％。
Kim說：「這是我們目前能夠達到的（電流強度）最一致的晶元了。」
對於提高未來人工神經網路性能來說，這工作邁出了很關鍵的一步。
識別手寫數字的表現
電流強度是控制得不錯了，那麼和現有的馮諾依曼結構的晶元比，計算性能表現怎麼樣？
Kim團隊給這種晶元布置了一個機器學習的任務：識別手寫數字。
這是人工突觸晶元的第一次實際測試。
例如，當一個輸入是手寫的「1」，輸出標記為「1」時，不僅會有輸出神經元被輸入神經元激活，還會收到人造突觸權重的影響。
如果輸入神經元感知到不同樣本之間，可能存在某些同一個字母的相似特徵時（你可以想像為更多的手寫「1」的例子輸入同一個晶元時），相同的輸出神經元就被激活，和我們大腦的學習過程一樣。
最後這種硅鍺材質的人工突觸晶元表現還不賴，手寫數字識別準確率為95%，略微低於現在的基準線97%。
Kim團隊希望，他們的研究工作可以為以後製造擁有超算能力、卻和指甲一樣大的晶元打些基礎。這項研究已經得到了美國國家科學基金會的部分支持。
及編譯來源：
http://news.mit.edu/2018/engineers-design-artificial-synapse-brain-on-a-chip-hardware-0122
—完—
活動報名
加入社群
量子位AI社群13群開始招募啦，歡迎對AI感興趣的同學，加小助手微信qbitbot5入群；
此外，量子位專業細分群(自動駕駛、CV、NLP、機器學習等)正在招募，面向正在從事相關領域的工程師及研究人員。
進群請加小助手微信號qbitbot5，並務必備註相應群的關鍵詞~通過審核後我們將邀請進群。（專業群審核較嚴，敬請諒解）
誠摯招聘
量子位正在招募編輯/記者，工作地點在北京中關村。期待有才氣、有熱情的同學加入我們！相關細節，請在量子位公眾號(QbitAI)對話界面，回復「招聘」兩個字。
TAG:量子位 |