联系我们

人工神经网络

新的人造神经元设备可以大大降低神经计算的能量要求

发表

 on

圣地亚哥大学的研究人员开发了一种新的人工神经元设备,可以运行100至1000倍的能量和面积的神经计算,而不是基于CMOS的硬件。

最近的报告发表在一个 3月18日 自然纳米技术。

为了生成神经网络中的人造神经元的一个连接层的输入,必须应用称为非线性激活函数的数学计算。然而,由于需要在存储器和外部处理器之间传输数据,此应用程序需要大量的计算机电源和电路。

UC San Diego的研究人员开发出一种新的纳米尺寸的装置,可以更有效地携带这种激活功能。

Duygu Kuzum是UC San Diego Jacobs工程学院的电气和计算机工程教授。 

“由于神经网络模型变得越来越复杂,但硬件中的神经网络计算越来越低,” said Kuzum. “我们开发了一个纳米级人工神经元设备,其以非常区域和节能的方式在硬件中实现这些计算。”

这项研究由kuzum和博士学生上海哦,他们合作,与伊万·施防者的UC San Diego Physics教授,他领导了DOE能源前沿研究中心。该中心参与开发节能的硬件实现 人工神经网络

新设备

新开发的装置依赖于整流的线性单元,是神经网络训练中最常见的激活功能之一。它需要可以经过抵抗力变化的硬件,这是工程师的目标。该装置可以逐渐从绝缘到导电状态逐渐与少量的热量切换。

称为Mott过渡,该开关发生在二氧化钒层的极薄层中,并且在该层上方是由钛和金制成的纳米线加热器。当电流流过纳米线时,二氧化钒层慢慢加热,这导致缓慢而受控的开关绝缘到导电。

哦,这项研究的第一作者。

“该设备架构非常有趣和创新,” said Oh. “在这种情况下,我们通过纳米线在材料顶部流动电流以加热它并诱导非常渐进的电阻变化。”

实现设备

为了实现,团队制造了一系列激活设备和突触设备阵列,然后在定制印刷电路板上集成了两者。然后它们连接在一起,导致神经网络的硬件版本。

该网络用于通过边缘检测处理图像,识别图像中对象的概述和边缘。集成的硬件系统证明了执行对各种深度神经网络很重要的卷积操作的能力。 

“现在,这是一个概念证明,” Kuzum said. “It’S一个微小的系统,其中我们只用一个激活层堆叠一个突触层。通过将更多堆叠在一起,您可以为不同的应用程序制作更复杂的系统。”

Alex McFarland是一个历史学家和记者,涵盖了人工智能最新的发展。