新闻中心

EEPW首页 > 设计应用 > 模拟大脑突触的液体电路如何实现计算机的逻辑运算

模拟大脑突触的液体电路如何实现计算机的逻辑运算

作者: 时间:2024-04-18 来源: 收藏

一项新的研究发现,模拟大脑突触的液体可以首次执行现代。这些设备的近期应用可能包括图像识别等任务,以及大多数人工智能系统的计算类型。

本文引用地址:http://www.eepw.com.cn/article/202404/457788.htm

640-4.png

ANDRAS KIS/EPFL

就像生物神经元同时计算和存储数据一样,模仿大脑的神经形态技术通常将这两种操作结合起来。这些设备可以大大减少传统微芯片在处理器和存储器之间来回穿梭数据所损失的能量和时间。它们也可能被证明是实现神经网络的理想选择 —— 人工智能系统越来越多地被用于分析医疗扫描和控制自动驾驶汽车等应用。

“The human brain operates at only 20 watts, orders of magnitude lower than computers that can perform complex tasks usually achieved by people.”

—THÉO EMMERICH, SWISS FEDERAL INSTITUTE OF TECHNOLOGY IN LAUSANNE, SWITZERLAND

开发神经形态的一种策略涉及忆阻器或记忆电阻器。忆阻器和类似的设备本质上是开关,可以记住它们在断电后被切换到哪个电状态。因此,忆阻器类似于连接神经元的突触,神经元的导电性增强或减弱取决于许多生物物理因素,包括过去通过神经元的电荷量。

像普通一样,传统的忆阻器通过移动电子来工作。在这项新的研究中,瑞士洛桑瑞士联邦理工学院(EPFL)的研究人员对流体忆阻装置进行了实验,这些装置转而依靠在离子周围“洗牌”来更接近地模拟大脑的运作方式。

使用离子代替电子的一个关键优点可能是极端的能量效率。EPFL的博士后研究员Théo Emmerich说:“人脑的工作功率只有20瓦,比通常由人完成的复杂任务的计算机低几个数量级。”

此外,洛桑大学的博士助理Yunfei Teng说,大脑的神经网络包含“许多不同种类的离子,具有不同的电荷和化学性质”。仅举四个例子,钾、钠、镁和(https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7331944/)对大脑的信息处理能力至关重要。流体忆阻器可以类似地操纵几种离子类型,以拓宽的电子能力。

如何打造液体神经网络

在这项新的研究中,科学家们从硅芯片开始,该芯片在中间有一层方形氮化硅膜。在该膜的中心是大约100纳米宽的单个圆形孔。

然后,研究人员在芯片上添加了钯和石墨层。钯层内部是一个通道网络,每个通道只有几纳米宽。然后将载有钾离子的水溶液加入芯片中。

“In the long run, our goal is to build computers that work with liquid electrolytes just like living organisms do.”

—ALEKSANDRA RADENOVIC, SWISS FEDERAL INSTITUTE OF TECHNOLOGY IN LAUSANNE, SWITZERLAND

当向芯片施加正电压时,离子流向孔隙,在孔隙中,离子的压力在芯片表面和石墨层之间产生气泡。当水泡迫使石墨向上时,该设备变得更具导电性,将其记忆状态切换为“打开”。由于石墨即使没有电流也能保持上升状态,芯片基本上记住了这种状态。负电压可以将芯片的层拉回到一起,将设备重置为“关闭”状态。

科学家们能够将其中两个芯片连接起来,形成一个逻辑门 —— 一个可以实现AND、OR和NOT等。研究人员指出,他们可以使用自己的逻辑门构建数字计算中常用的任何其他经典逻辑门。这是第一次连接多个流体忆阻器以形成电路。

此前,科学家们开发了基于微小注射器或微小狭缝的流体忆阻器(https://spectrum.ieee.org/these-artificial-neurons-use-ions-rather-than-electrons)。然而,这些早期的设备过于庞大和复杂,无法扩展到更大的系统。Emmerich说,相比之下,新的微芯片结构紧凑且可扩展。

科学家们注意到他们的方法有一个缺点:目前设置或重置每个设备大约需要两秒钟。相比之下,固态忆阻器件的切换时间为微秒。尽管如此,他们补充说,仍有很大的空间来提高设备的性能,例如通过优化膜的尺寸和刚度,或者改变芯片材料的表面电荷和粘附性能。

EPFL的博士助理Nathan Ronceray说,在接下来的5到10年里,研究人员可以使用他们的设备“构建小型纳米流体神经网络”。这种原始的液体计算系统可以执行诸如图像识别之类的简单任务。他们还可以执行矩阵乘法计算,这是许多计算任务的关键,包括操作神经网络。

EPFL生命科学工程教授Aleksandra Radenovic表示:“从长远来看,我们的目标是建造像生物体一样使用液体电解质的计算机,它将能够实现与基于电子的计算机相同的任务。”

来源IEEE电气电子工程师学会,详细介绍:https://www.nature.com/articles/s41928-024-01137-9



评论


相关推荐

技术专区

关闭