工程新闻

新的晶体管钉如神经元

由纳米材料制成,设备可以执行几种不同类别的尖刺

AI and the brain

神经形态计算 - 当计算机上的电脑都像人类大脑一样,比目前的计算机更有效地执行复杂任务 - 在人工智能和机器学习中突破突破的承担。

但这种计算机可能难以与传统的硅技术创造出来。西北工程研究人员通过从纳米材料创建新的晶体管来实现神经形态计算,这些晶体管可以产生像神经元一样的电压“尖刺”。

“为了模仿大脑,我们需要模仿神经元的功能,”说 马克赫姆萨姆,沃尔特P.墨菲材料科学与工程教授和研究领导作者。 “这种目标可以使用传统的硅技术实现,但我们展示了实现神经元功能的更简单的方法,这是增加芯片上人造神经元的密度。”

马克赫姆萨姆结果, 发表 在杂志中 自然通信 3月26日,来到一个脚跟 自然纳米技术 审查由赫姆拉姆和博士后的纸张vinod k。桑万调查当前的神经形态器件和架构并辩称,该领域的未来将受益于集成多样的纳米材料以创建这些设备。

在神经元样器件中混合纳米材料

神经元通过动作电位在大脑中传输信息,这是导致与其他神经元通信的电压的尖峰。虽然研究人员用传统的硅晶体管模仿动作电位,但它需要需要十几种或更多装置的复杂电路。

正如他们走近新的研究,Hersam和他的团队假设如果他们有能力调整设备的高斯响应的高度,峰值位置和宽度,则可以创造更简单的尖刺电路 - 显示其分布的钟曲线输出电流。

为此,它们基于两种不同的纳米材料 - 二硫化钼和碳纳米管的装置创建了一种装置 - 以及两个栅电极。这些纳米材料受应用电场的强烈影响,而两个栅极与先前的设计相比,两个栅极允许改善的电场控制。通过将一个栅极放置在顶部,然后在底部的两个纳米材料的偏移层和底部的栅极,它们开发出具有几个可调性的装置。

“该器件具有更复杂的硅晶体管的功能,”Hersam表示。它不仅可以像神经元一样飙升,它可以执行几种不同的神经元在大脑的不同区域中表现出不同的神经元,如连续尖刺或相位尖峰。

“通常你必须重新设计一个电路来获得每个尖峰行为,”赫拉姆说。 “然而,该设备如此灵活和可调,我们可以根据我们控制电压的方式实现十几个尖峰响应。”

将技术与Memtransistors合并

以前,赫姆斯和他的小组在神经形态计算方面迈出了一步 开发“Memtransistor” - 通过执行存储器和信息处理,组合晶体管和映射器有效地实现大脑功能。 Memtransistor还拥有多个终端,其允许生物神经网络中存在的高互连性。

新的尖峰设备没有多个终端,因此Hersam和他的团队希望下次将两个设备集成到未来,以结合其互补属性。

“我们也希望使这些器件更小,更紧凑,”他说。 “以这种方式,我们可以增加设备密度并实现更复杂的神经形态功能。”

神经形态计算的未来需要合作

像这样的装置,它使用纳米材料的组合,可能是我们开发更好地模仿大脑的计算机的方式,赫姆姆在争论中 自然纳米技术 审查论文.

他说,如果我们想要推进人工智能和机器学习等过程,则需要神经形态计算。虽然传统计算机在某些任务中成功,但他们与许多其他人的大脑相比。这些大脑不仅可以无缝地结合内存和信息处理 - 在今天的计算机中分开的两种过程 - 它的能量远低于传统的数字计算。

“传统服务器农场的能量消耗量正在成为整体网格的大量分数,”赫拉姆说。 “神经形态计算有可能显着降低能源需求。”

虽然审查论文全面突出了科学家试图实现神经形态计算的许多方式,但Hersam认为,自下而上的方法 - 使用神经元作为设备的灵感 - 是正确的前进方向。

不仅如此,“材料科学家,神经科学家和计算机建筑师的密切合作将是至关重要的,”他写道。

西北工程教授目前正在接近来自几个不同角度的神经形态计算。 詹姆斯·鲁顿,莫里斯e。材料和制造业精美的初级教授,正在设计用于忆阻器设备的新型材料平台。 杰国是电气和计算机工程助理教授的是使用神经形态计算,在传统的集成电路芯片上加速新出现的机器学习任务,用于低功耗移动或物品互联网。 Gokhan Memik.是,电气计算机工程教授,一直致力于纪念基于勒马的神经网络加速器的建筑方面。

“西北工程真正为神经形态计算问题奠定了全面,全脑的方法,”赫拉姆说。

自然通信 研究由国家科学基金会,国家标准与技术研究所和海军研究办公室资助。本文的其他作者包括博士后研究人员VINOD K。桑湾和浩川yoo;研究生梅根e。贝克,Silu Guo William a。 Gaviria Rojas,Hadallia Bergeron和Ahish Shylendra;本科生凯瑟琳苏;和教授Amit R.伊利诺伊大学的Trivedi在芝加哥。