science >> Wetenschap >  >> Fysica

Speciale mix van circuits en memristieve apparaten gemaakt voor verwerkingssystemen die de hersenen nabootsen

Zoals elk recept, een ideaal memristief neuromorf computersysteem vereist een speciale mix van CMOS-circuits en memristieve apparaten, evenals ruimtelijke bronnen en temporele dynamiek die goed moeten worden afgestemd op de signaalverwerkingstoepassingen en use-cases van het systeem. Krediet:Elisabetta Chicca

Gedurende de jaren negentig, Carver Mead en collega's combineerden fundamenteel onderzoek in neurowetenschappen met elegant analoog circuitontwerp in elektronische techniek. Dit baanbrekende werk aan neuromorfe elektronische circuits inspireerde onderzoekers in Duitsland en Zwitserland om de mogelijkheid te onderzoeken om de fysica van echte neurale circuits te reproduceren met behulp van de fysica van silicium.

Het gebied van "hersen-nabootsende" neuromorfische elektronica biedt een groot potentieel, niet alleen voor fundamenteel onderzoek, maar ook voor commerciële exploitatie van always-on edge computing en "internet of things"-toepassingen.

In Technische Natuurkunde Brieven Elisabetta Chicca, van de Universiteit van Bielefeld, en Giacomo Indiveri, van de Universiteit van Zürich en ETH Zürich, presenteren hun werk om te begrijpen hoe neurale verwerkingssystemen in de biologie berekeningen uitvoeren, evenals een recept om deze computerprincipes te reproduceren in analoge/digitale elektronica met gemengd signaal en nieuwe materialen.

Een van de meest onderscheidende computationele kenmerken van neurale netwerken is leren, dus Chicca en Indiveri zijn vooral geïnteresseerd in het reproduceren van de adaptieve en plastische eigenschappen van echte synapsen. Ze gebruikten zowel standaard complementaire metaaloxide halfgeleider (CMOS) elektronische circuits als geavanceerde geheugentechnologieën op nanoschaal, zoals memristieve apparaten¬, om intelligente systemen te bouwen die kunnen leren.

Dit werk is belangrijk, omdat het kan leiden tot een beter begrip van hoe geavanceerde signaalverwerking kan worden geïmplementeerd met behulp van extreem energiezuinige en compacte apparaten.

Hun belangrijkste bevindingen zijn dat de schijnbare nadelen van deze energiezuinige computertechnologieën, voornamelijk gerelateerd aan lage precisie, hoge gevoeligheid voor ruis en hoge variabiliteit, daadwerkelijk kan worden benut om robuuste en efficiënte berekeningen uit te voeren, net zoals de hersenen zeer variabele en luidruchtige neuronen kunnen gebruiken om robuust gedrag te implementeren.

De onderzoekers zeiden dat het verrassend is om het gebied van geheugentechnologieën te zien, meestal bezig met bit-precieze high-density apparaattechnologieën, kijken nu naar dierlijke hersenen als een bron van inspiratie om te begrijpen hoe adaptieve en robuuste neurale verwerkingssystemen kunnen worden gebouwd. Het sluit heel goed aan bij de fundamentele onderzoeksagenda die Mead en collega's meer dan 30 jaar geleden volgden.

"De elektronische neurale verwerkingssystemen die we bouwen zijn niet bedoeld om te concurreren met de krachtige en nauwkeurige kunstmatige-intelligentiesystemen die draaien op energieverslindende grote computerclusters voor natuurlijke taalverwerking of beeldherkenning en classificatie met hoge resolutie, ' zei Chicka.

In tegenstelling tot, hun systemen "bieden veelbelovende oplossingen voor die toepassingen die compacte en zeer energiezuinige (submilliwatt) realtime verwerking met korte latenties vereisen, ', zegt Indivari.

Hij zei dat voorbeelden van dergelijke toepassingen binnen het domein van "extreme-edge computing" vallen, die een kleine hoeveelheid kunstmatige intelligentie vereisen om informatie te extraheren uit live of streaming zintuiglijke signalen, zoals voor biosignaalverwerking in draagbare apparaten, brain-machine interfaces en altijd-aan omgevingsmonitoring."