用半導體材料成功模仿了神經元

發布時間:2020-08-10發布部門:總裁辦公室

timg.jpg

計算機芯片是人工智能(AI)的最重要方面之一。功能強大的小片段是自動圖像識別的基礎,并部分負責教會機器人如何進行某些活動,例如步行。隨著AI技術潛力的不斷增長,當今的計算機芯片必須既功能強大又經濟實惠,但這是很難完成的事情。 
       由于傳統的微電子技術由于物理上的限制而只能進行最大程度的優化,因此研究人員像往常一樣轉向人的大腦,以尋求如何更有效地處理和存儲信息的靈感。 
       德累斯頓工業大學和德累斯頓-羅斯森多夫Helmholtz-Zentrum(HZDR)的科學家們首次通過使用半導體材料成功地模仿了大腦神經元的工作原理。這項研究發表在《自然電子》雜志上。 
       我們知道,今天最常用于提高微電子學性能的技術是減小組件尺寸。在硅計算機芯片的情況下,這種減小發生在單個晶體管上。
       但研究人員說:“這不可能無限期地進行,我們需要新的方法?!?nbsp;
為此他們著手模擬大腦并創建可以結合數據處理和數據存儲的人工神經元。“我們的團隊在生物和化學電子傳感器方面擁有豐富的經驗,”其中一個研究者Barbara說?!耙虼?,我們使用生物傳感器原理模擬了神經元的特性,并修改了經典的場效應晶體管以創建人造神經元晶體管?!?/span>
       這種方法允許在一個組件內同時進行存儲和信息處理。在當今最常用的晶體管技術中,這兩個過程是分開的,從而導致處理時間變慢和性能受到限制。
多年來,研究人員一直在研究基于人腦的計算機,但是很多都沒有成功。最初的嘗試涉及將神經細胞與皮氏培養皿中的電子設備相連,但是正如德累斯頓工業大學材料科學與納米技術教授Gianaurelio Cuniberti所說的那樣,“必須一直供入的濕計算機芯片是對任何人都沒有用?!?/span>
       但研究人員團隊最終成功實現了神經晶體管。 “我們將粘性物質(稱為溶膠凝膠)應用于傳統的帶有電路的硅片。這種聚合物硬化并變成多孔陶瓷,” Cuniberti說。離子在孔之間移動。它們比電子重,激發后返回其位置的速度更慢。這種延遲被稱為磁滯現象,是導致存儲效應的原因。單個晶體管被激勵得越多,它將越早打開并讓電流流動。這加強了連接。該系統正在學習?!?/span>
       根據該團隊的說法,與精確到最后一個小數的計算相比,該芯片的精度較低,并且會估算數學計算。“但是他們會更聰明,”庫尼貝蒂說?!袄?,帶有這種處理器的機器人將學會走路或抓握;它會擁有一個光學系統,并學會識別連接。而這一切都無需開發任何軟件?!?nbsp;
       這種計算機的另一個主要優點之一是可塑性,使其可以在運行期間進行更改和適應。就像人的大腦一樣,這意味著計算機最終可能會遇到并解決從未編程過的問題。

來源:內容編譯自「unite.ai」及半導體行業觀察,侵刪。


真人男女**免费视频_美女网站免费观看视频_免费午夜男女高清视频