模拟电路人工智能神经网络的前景

cbd6e102521f3ea657e589c512da0989.png

ISTOCKPHOTO

来源:IEEE电气电子工程师

未来驱动人工智能的一些最佳电路可能是模拟电路,而不是数字电路,世界各地的研究团队正在越来越多地开发支持此类模拟人工智能的新设备。

在驱动AI当前爆炸的深层神经网络中,最基本的计算是乘法累加(MAC)运算。深度神经网络由人工神经元层组成,在MAC操作中,每一层的输出乘以它们与下一层连接的强度或“权重”值,然后将这些贡献相加。

现代计算机有专门用于MAC操作的数字元件,但从理论上讲,模拟电路可以用更少的能量进行这些计算。这种被称为模拟AI、内存中计算或内存中处理的策略通常使用非易失性存储器设备(如闪存、磁阻RAM(MRAM)、电阻RAM(RRAM)、相变存储器(PCM)和更为深奥的技术)来执行这些乘法累加操作。

然而,韩国的一个团队正在探索基于镨钙锰氧化物电化学RAM(ECRAM)设备的神经网络,这种设备就像微型电池,以电导变化的形式存储数据。研究在韩国浦项科技大学的主要作者Chuljun Lee指出,神经网络硬件在训练期间和应用期间经常有不同的需求。例如,低能量屏障有助于神经网络快速学习,但高能量屏障有助于它们保留所学知识,以便在应用过程中使用。

德国尤利希研究中心彼得·格伦伯格神经形态计算节点研究所所长、电气工程师John Paul Strachan没有参加这项研究。他说:“在训练过程中,将设备加热到100摄氏度左右,可以产生有利于训练的特性。当它冷却下来时,他们获得了更长的保留时间和更低的电流操作的优势。只需调整一个旋钮,热量,他们就可以在多个计算维度上看到改进。”研究人员于12月14日在旧金山举行的IEEE国际电子设备会议(International Electron Devices Meeting (IEDM))上详细描述了他们的发现。

Strachan指出,这项工作面临的一个关键问题是,经过多次加热和冷却后,ECRAM可能会面临何种劣化。不过,“这是一个非常有创意的想法,他们的工作证明了这种方法可能有一些潜力。”

另一组研究了铁电场效应晶体管 (FEFET)。研究主要作者、圣母大学的 Khandker Akif Aabrar 解释说,FEFET 在每个晶体管内以电极化的形式存储数据。

FEFET 面临的一个挑战是,当它们缩小时,它们是否仍然可以显示对 AI 应用程序有价值的模拟行为,或者它们是否会突然切换到只存储一位信息的二进制模式,极化状态为一种状态或另一种状态。

“这个团队工作的优势在于他们对所涉及材料的洞察,”Strachan说,他没有参与这项研究,“铁电材料可以被认为是由许多小磁畴组成的块体,就像铁磁体可以被认为是上下磁畴一样。为了实现他们所希望的模拟行为,他们希望所有这些磁畴在外加电场的作用下缓慢地向上或向下排列,而不是出现一个失控的过程,在这个过程中它们都会向上或向下移动。”因此,他们用多个介电层物理分解了铁电超晶格结构,以减少这种失控过程。

该系统实现了94.1%的在线学习准确率,这与其他FEFET和RRAM技术相比非常好,科学家在12月14日的IEDM会议上详细介绍了这一发现。Strachan指出,未来的研究可以寻求优化属性,如当前水平。

来自日本和台湾科学家的一种新型微芯片,采用c轴定向晶体氧化铟镓锌制成。这项研究的合著者、日本半导体能源实验室公司的Satoru Ohshita指出,他们的氧化物半导体场效应晶体管(OSFET)的超低电流操作低于每个电池1毫安,操作效率为143.9万亿次/秒/瓦,这是迄今为止模拟AI芯片中报道得最好的,12月14日在IEDM会议上详细介绍了调查结果。“这些都是极低电流的设备,”Strachan说,“由于所需的电流非常低,您可以将电路块变大,从而获得512×512个存储单元的阵列,而RRAM的典型数字更像是100×100。这是一个巨大的胜利,因为较大的电路块在存储权重方面具有二次优势。” 当OSFET与电容器结合时,它们可以以90%以上的准确度保留信息30小时。Strachan说:“这可能是一段足够长的时间,可以将这些信息转移到一些波动性较小的技术上。几十小时的保留时间并不是交易的破坏者。” 总之,“研究人员正在探索的这些新技术都是概念验证案例,提出了关于他们未来可能面临的挑战的新问题,”Strachan说,“他们还指出了通往代工厂的道路,这是他们生产大批量、低成本商业产品所需要的。”

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)大脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

af0efab3541b1e88f3342ece98aa48f1.png

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/482830.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

CSS-盒子模型

CSS盒子模型 盒子模型解释 元素在页面中显示成一个方块,类似一个盒子,CSS盒子模型就是使用实现中盒子来做比喻,帮助我们设置元素对应的样式。盒子模型示意图如下: 把元素叫做盒子,设置对应的样式分别为: 盒…

2.1.4 ★(考察计算能力)奈氏准则和香农定理

2.1.4 奈氏准则和香农定理 文章目录2.1.4 奈氏准则和香农定理0.思维导图1. 失真2. 失真的一种现象--码间串扰3.奈氏准则(奈奎斯特定理)4. 奈氏准则(奈奎斯特定理)-练5. 香农定理6. 香农定理-例题7. “nice”和“香浓”对比0.思维导图 1. 失真 2. 失真的一种现象–码间串扰 3.奈…

未来哲学的六个问题域

来源:中科院哲学所作者:约翰R塞尔(John R. Searle)译者:GTY约翰塞尔生于1932年,当代著名哲学家,现为美国加州大学伯克利分校Slusser哲学教授,在语言哲学、心灵哲学和社会哲学领域贡献…

2.2_ 4_ FCFS、SJF、 HRRN调度算法

文章目录知识总览先来先服务短作业优先高响应比优先知识回顾和重要考点知识总览 先来先服务 短作业优先 高响应比优先 知识回顾和重要考点

当AI学会高数:解题、出题、评分样样都行

来源:AI科技评论“高等数学里程碑式的研究”,114页论文让AI文理双修,也许不久后机器出的高数试卷就会走进高校课堂,这下可以说“高数题不是人出的了”。人工智能虽然给我们带来了诸多便利,但也不免受到了各种质疑。在互…

2.3_ 1_ 进程同步、进程互斥

2.3_ 1_ 进程同步、进程互斥 文章目录2.3_ 1_ 进程同步、进程互斥1.知识概览2.什么是进程同步?2.什么是进程互斥3.知识回顾1.知识概览 2.什么是进程同步? 2.什么是进程互斥 3.知识回顾

IEEE Fellow李世鹏 :人工智能与机器人前沿研究之思考

来源:AI科技评论作者:维克多编辑:青暮2021年12月9日,由粤港澳大湾区人工智能与机器人联合会、雷峰网合办的第六届全球人工智能与机器人大会(GAIR 2021)在深圳正式启幕,140余位产学领袖、30位Fel…

2.3.2. 进程互斥的软件实现方法

2.3.2. 进程互斥的软件实现方法 文章目录2.3.2. 进程互斥的软件实现方法1.知识总览2.单标志法3.双标志先检查法4.双标志后检查法5. perterson算法6. 知识回顾1.知识总览 2.单标志法 3.双标志先检查法 4.双标志后检查法 5. perterson算法 6. 知识回顾

哲学的终极解释:48张图了解48种主义

来源:今日头条编辑:nhyilin哲学家建立了事物的基本概念,我们在讨论中遵循它,有时误用它,有时颠覆它。以下48个基本概念常常出现在公共讨论里,伦敦设计师Genis Carreras用最简单的线条、形状和色块对它们进行…

2.1.5编码与调制(1)

文章目录2.1.5编码与调制(1)1.基带信号与宽带信号2. 编码与调制2.1.5编码与调制(1) 1.基带信号与宽带信号 2. 编码与调制

改名Meta俩月,脸书放弃虚拟现实操作系统:负责人跳槽谷歌

来源:机器学习研究组订阅元宇宙,到头来还得是安卓系统?这些年来,facebook 在增强现实和虚拟现实领域投入了大量资金。扎克伯格甚至已经把公司名称改成了 Meta,认为元宇宙将是公司未来的主营业务,不过理想很…

2.2物理层传输介质

2.2物理层传输介质 文章目录2.2物理层传输介质1. 传输介质和分类2.导向性传输介质--1.双绞线3.导向性传输介质--2.同轴电缆4.非导向性传输介质思维导图1. 传输介质和分类 2.导向性传输介质–1.双绞线 3.导向性传输介质–2.同轴电缆 4.非导向性传输介质 思维导图

C#拼装JSON数组简易方法

下面是我们想要拼接出来的JSON字符串,返回给前台 1 {"success":"true","msg":"","data":[{"macName":"正面预拼装机","state":1.0},{"macName":"正面拼板压力架&q…

IEEE年终AI大盘点:网友教会GPT-3骂人、DeepMind再造机器人

来源:新智元【导读】2021年即将过去,IEEE Spectrum盘点了今年的十大AI新闻。在过去的一年里,AI模型训练成本起飞、GPT-3从网友那儿学会了「阴阳怪气」,此外,研究人员还总结了AI绕不过去的七大弱点。2021 年&#xff0c…

2. 3物理层设备

2. 3物理层设备 文章目录2. 3物理层设备中继器2.集线器(多口中继器)中继器 2.集线器(多口中继器)

谁是深度学习框架一哥?2022 年,PyTorch 和 TensorFlow 再争霸

来源:机器学习研究组订阅用PyTorch还是TensorFlow,对于大部分深度学习从业者来说真是一个头疼的问题。最近Reddit上有个帖子从三个方面对比了两个框架,结果竟然是平手?你用PyTorch还是用TensorFlow?对于不同人群可能有…

深度学习不可信?大脑建模先驱有话说

来源:ScienceAI编辑:萝卜皮在过去的 20 年里,深度学习通过一系列有用的商业应用主导了人工智能的研究和应用。但在耀眼的背后是一些根深蒂固的问题,威胁着技术的提升。例如,典型的深度学习程序无法在一项以上的任务上表…

python模块补充

collections模块 collections模块namedtupe方法。又称具名元组。 from collections import namedtuple point namedtuple(空间坐标, x y z) # x y z可以写成列表形式,元组等可迭代对象 res point(3, 4, 5) print(res) # 空间坐标(x3, y4, z5) print(poin…

《力学》课时二质点运动学(二)

视频链接 1.角位移/角速度/角加速度