神经形态计算 新研究可以带来更高能效的计算

纽约州立大学宾厄姆顿大学的新研究表明,未来的计算机可能更节能。

像无人机这样的设备依赖于恒定的WiFi信号 - 如果WiFi停止,无人机就会崩溃。宾厄姆顿大学物理学副教授兼材料科学与工程系主任Louis Piper希望制造更节能的计算机,因此像无人机这样的东西可以响应他们的环境,而不必担心WiFi信号将其连接到更大的计算机。

“你可以在任何地方放置5G和6G,并假设你一直有可靠的互联网连接,或者你可以解决硬件处理的问题,这就是我们正在做的事情,”派珀说。“我们的想法是,我们希望这些芯片可以在芯片中完成所有功能,而不是使用某种大型服务器来回传递消息。这样做应该更有效率。”

科学家已开发出“神经电阻”电路,其行为类似于人类大脑中的生物神经元,可以使用极低的功率执行复杂的计算。最近,使用二氧化铌(NbO2)创建了这种神经电路的重要组成部分,它复制了生物神经元内离子通道中观察到的转换行为。这些NbO2器件是通过在非导电五氧化二铌(Nb2O5)薄膜上施加大电压而产生的,导致形成导电NbO2细丝负责重要的开关行为。不幸的是,这种高电压且耗时的后制造工艺使得几乎不可能创建复杂计算机处理器所需的密集电路。此外,这些NbO2器件需要额外的伴随电容器才能在神经电阻器电路中正常工作,这使得它们更复杂且难以实现。

“我们尝试制造这些系统时遇到的主要问题之一就是你需要进行电铸步骤,”派珀说。“就像弗兰肯斯坦的怪物一样,你基本上会通过材料脉冲大量的电流,然后突然变成一个有源元件。对于制造工程步骤而言,这不是很可靠。这不是我们用硅晶体管做事的方式。我们喜欢让他们全部工作,然后他们就马上工作。“在这项研究中,乔治亚理工学院的研究人员创造了基于Nb2O5x的设备,这些设备可以再现NbO2组合的相似行为/电容器对,无需增加额外的能量。宾厄姆顿研究人员验证了正在提出的机制。Piper表示,这一发现可能会产生比以前更便宜,更节能,更高密度的神经电路电路,从而加速提高能效和适应性计算的方式。

“我们希望拥有本身具有某种切换操作的材料,然后我们可以在与硅结束的相同尺寸上使用这些材料。扩展能力和消除某种炼金术的能力对于这种电铸工艺来说,真正使它更符合我们现在的半导体加工方式;这使它更加可靠。你可以用这种方法制造一个神经电阻器,因为你不需要电铸,它更可靠,你能做什么建立一个行业。“

现在他们已经验证了这些模型,Piper和他的团队希望了解实际设备的运行情况。

“宾厄姆顿的真正努力一直是试图从原子的角度来模拟这些状态的本质,它们是如何从物理和化学中产生的,而不仅仅是看惰性材料,然后将其与设备性能,我们能否真正看到这些状态在我们操作设备时是如何演变的?“派珀说。

该研究人员得到了国防部的资助。

“科学报告”发表了“可扩展的记忆,表现出神经形态计算的矫正和滞后”。