新型脑晶体管仿真人智能

由西北大学、波士顿学院和马萨诸塞理工学院研究人员设计,设备同时处理并存储信息像人脑一样研究人员在新实验中证明晶体管超出简单机学习任务分类数据并能够执行关联学习

前几期研究利用相似策略开发像脑计算设备,但这些晶体管无法在低温外运行相形之下新设备在室温稳定快速操作 耗能极小 并保留存储信息 即使是当电量消除

研究周三出版20)杂志性质.

北西马克C表示,“大脑结构与数字计算机大相径庭”。赫萨姆共同领导研究数字计算机中数据回转微处理器和存储器,它耗用大量能量并同时制造瓶颈执行多项任务而在脑中内存信息处理合用并完全集成,结果量级提高能效神经晶体管相似实现并发存储信息处理功能 以更忠实模拟脑

赫萨姆是WalterP墨菲材料科学工程学教授 西北McCormick工程学院并担任材料科学和工程系主席、材料研究科学和工程中心主任和国际纳米技术学院成员Hersam与波士顿学院Qiong Ma和MITPablo Jarillo-Herrero共同牵头研究

人造智能最近的进展激励研究者开发计算机,更像人脑操作常规数字计算系统有分离处理和存储单元,导致数据密集任务吞噬大量能量智能设备持续收集大量数据 研究者急忙发现新处理方法当前,内存阻抗器或存储器是最成熟技术,可实现合并处理和存储函数记忆者仍受耗能转换之苦

数十年以来电子学范式用晶体管构建一切并使用相同的硅架构光把多晶体管打入集成电路而取得了显著进步无法否认成功策略,但代价是高电耗,特别是在目前大数据时代,数字计算正步入正轨压倒网格。我们必须重新思考计算硬件, 特别是AI和机器学习任务

赫萨姆和他的团队重新思考这一范式,探索Meire模式物理新进程,这是一种几何设计型态,当两个模式相向分层时产生。二维素材堆叠时出现新属性,单层并不存在当这些层变换成 莫伊雷模式时 电子特性的空前可捕性便成为可能

研究者对新设备合并两种不同类型的原子稀薄素材:双层石墨和六角核元nitride堆叠并有意曲解时,素材组成 莫伊雷模式相相对旋转一层时,研究者可实现每个图层的不同电子属性,即使它们仅由原子尺度维值分离右选择曲转, 研究人员利用 莫伊雷物理 神经变形功能室温度

Hersam说,“转动为新设计参数,变位数巨大”。graphene和六角氮化非常相似结构化,但相形见绌,产生异常强的moire效果

测试晶体管,赫萨姆和他的团队训练它识别相似 -- -- 但不是完全相同 -- -- 模式赫萨姆本月早些时候推出新纳米电子设备,能以节能方式分析数据并分类,但他的新合成晶体管取机学习并跨跃AI

赫萨姆表示:「如果AI本意模仿人的思想, 最低层次任务之一是分类数据,我们的目标是向高层次思维方向推进AI技术现实世界条件往往比当前AI算法处理复杂, 因此我们在复杂条件下测试新设备以验证它们的先进能力。”

优先研究者展示设备一模式:000之后,他们请求AI识别相似模式,如111或101赫萨姆解释道:“如果我们训练它检测千分之111和101分之111,它知道111比101分之1000相近。”千分之111不完全相同,认知相似度是一种更高层次的认知形式 被称为关联学习

实验中新合成晶体管成功识别相似模式,显示关联内存即使是当研究者扔曲线球时-像给它不完全模式-它仍然成功展示关联学习

赫萨姆表示:「当前AI很容易混淆,假设你使用自驾驶车 天气条件恶化飞行器可能无法解读复杂传感器数据以及人驱动程序即便我们提供晶体管不完全输入,它仍能识别正确响应。”

研究More合成晶体管带室温神经变形功能,主要由国家科学基金会支持