chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內(nèi)不再提示

到底能不能設計出為人工智能打造的神經(jīng)網(wǎng)絡芯片

Wildesbeast ? 來源:21IC ? 作者:21IC ? 2020-06-13 10:33 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

大腦是人體最重要的器官之一,它支撐著人的視覺、聽覺、平衡、味覺、嗅覺、記憶、情感、學習等。大腦的構(gòu)造十分復雜,由大約1千億個神經(jīng)元(Neuron)組成,并由約100萬億個突觸(Synapse)連接。這些神經(jīng)元與突觸一起構(gòu)成了一個極其龐大的生物神經(jīng)網(wǎng)絡。

大腦具有極其強大的計算與學習能力,其邏輯功能與記憶功能密切關聯(lián),能以極低的功耗并行地處理大量數(shù)據(jù)。即便是如今最強大的超級計算機,在執(zhí)行模式識別、風險管理等類似復雜任務時,也無法與人腦相抗衡。

生物神經(jīng)網(wǎng)絡中的神經(jīng)元與突觸

時下,一種由人腦啟發(fā)的新型計算機,也稱為“類腦計算機”或者“神經(jīng)形態(tài)計算機”,成為了一個新興的研究領域,吸引了物理、化學、材料、數(shù)學、電子與計算機科學等一系列領域的科學家們的廣泛興趣。

基于光線的腦啟發(fā)芯片示意圖。

神經(jīng)形態(tài)計算是一種新型計算架構(gòu),旨在模仿大腦處理、加工信息的過程,將存儲元件與計算元件整合到同一芯片中。它突破了傳統(tǒng)的馮·諾依曼體系結(jié)構(gòu)帶來的瓶頸:數(shù)據(jù)需要在CPU和內(nèi)存之間來回移動,而CPU運算速度較快,內(nèi)存訪問速度較慢,造成了所謂的“內(nèi)存墻”問題。

神經(jīng)形態(tài)計算,模仿了神經(jīng)系統(tǒng),采用了全新的架構(gòu)。在這種架構(gòu)中,記憶和信號處理的功能共同處于“記憶元件(憶阻器、憶容器、憶感器)”中。記憶元件組成類似突觸的硬件系統(tǒng),模仿自然信息處理、學習和記憶。

近日,美國麻省理工學院(MIT)的研究人員設計出一款“芯片上的大腦”,它比一片五彩紙屑還小,由數(shù)以萬計的人工大腦突觸制成。這種突觸稱為“憶阻器”,是一種硅基元件,可以模仿人腦中傳遞信息的突觸。

研究人員借鑒了冶金學的原理,用銀和銅合金以及硅制成每個憶阻器。當他們用這款芯片來運行幾個視覺任務時,芯片可以“記住”存儲的圖像,并重復多次復制它們,這個版本比由非合金元素制造的現(xiàn)有憶阻器更清晰、更干凈。

他們的研究成果于6月8日發(fā)表在《自然·納米技術(shù)(Nature Nanotechnology)》雜志上,展示的這款新型憶阻器設計非常有望應用于神經(jīng)形態(tài)器件。這些電子器件基于一種新型電路,這種電路處理信息的方式模仿了大腦架構(gòu)。這種腦啟發(fā)的電路可以構(gòu)造到小型便攜式器件中,并能處理只有當今超級計算機才能處理的復雜計算任務。

MIT 機械工程系副教授 Jeehwan Kim 表示:“迄今為止,人工突觸網(wǎng)絡以軟件的形式存在。我們正在嘗試為便攜式人工智能系統(tǒng)打造真正的神經(jīng)網(wǎng)絡硬件。讓我們想象一下,將神經(jīng)形態(tài)器件連接至你汽車上的攝像頭,讓它能夠識別光線和物體,并立即作出決策,而無需連接到互聯(lián)網(wǎng)。我們希望采用高能效的憶阻器在現(xiàn)場實時地執(zhí)行這些任務。”

游蕩離子憶阻器,或者說存儲晶體管,是神經(jīng)形態(tài)計算中不可或缺的元素。在神經(jīng)形態(tài)器件中,憶阻器將充當電路中的晶體管,盡管其工作起來更像大腦突觸(兩個神經(jīng)元之間的連接)。突觸以離子形式從一個神經(jīng)元接收信號,并向下一個神經(jīng)元發(fā)送相應的信號。

常規(guī)電路中的晶體管通過在兩個值(0和1)之間切換來傳輸信息,并且僅當其接收到電流形式的信號達到特定強度時才這樣做。相比之下,憶阻器將沿著梯度工作,很像大腦中的突觸。它產(chǎn)生的信號將根據(jù)其接收到的信號強度而變化。這將使單個憶阻器具有多個值,因此執(zhí)行運算的范圍比二進制晶體管大得多。類似于大腦突觸,憶阻器還能“記住”與給定電流強度相關的值,并在下次接收相似電流時產(chǎn)生完全相同的信號。這可以確保復雜方程式的答案或者對某個對象的視覺分類是可靠的,這一技能通常涉及多個晶體管和電容器。

最終,科學家們設想,憶阻器將比傳統(tǒng)晶體管需要更少的芯片空間,從而使功能強大的便攜式計算裝置不依賴于超級計算機,甚至無需連接到互聯(lián)網(wǎng)。

但是,現(xiàn)有的憶阻器設計在性能上受限。單個憶阻器由正電極和負電極制成,被“開關介質(zhì)”或者電極之間的空間分開。向一個電極施加電壓時,來自那個電極的離子流過介質(zhì),形成通向另一個電極的“導電通道”。接收到的離子組成了電信號,而憶阻器將這些電信號沿著電路傳輸。離子通道(以及憶阻器最終產(chǎn)生的信號)的大小應與激勵電壓的強度成比例。

Kim 表示,在電壓刺激較大的導電通道,或者離子從一個電極到另一個電極的大量流動的情況下,現(xiàn)有的憶阻器工作得很好。但是,當憶阻器需要通過更細的導電通道產(chǎn)生更微弱的信號時,這些設計的可靠性就會降低。

導電通道越細,從一個電極到另一個電極的離子流越輕,單個離子待在一起的難度就越大。相反,它們傾向于脫離團隊,在媒介中分散。結(jié)果,當在一定的低電流范圍內(nèi)受到激勵時,接收電極難以可靠地捕獲相同數(shù)量的離子,從而傳輸相同的信號。

Kim 及其同事通過借鑒冶金學找到了突破這一局限的方法,冶金學是將金屬熔煉成合金并研究其綜合性能的科學。

Kim 表示:“傳統(tǒng)意義上,冶金學家試圖將不同的原子添加到塊狀基質(zhì)中以增強材料,而我們認為,為什么不稍微調(diào)整憶阻器中的原子相互作用,并添加一些合金元素來控制離子在我們介質(zhì)中的運動。”

工程師通常用銀作為憶阻器的正極材料。Kim 的團隊仔細研究文獻找到了一種元素,將它與銀結(jié)合,從而將銀離子有效地保持在一起,同時允許它們快速地流到另一個電極。

研究團隊認為銅是理想的合金元素,因為它既能與銀結(jié)合,也能與硅結(jié)合。

Kim 說:“它起到了橋梁的作用,并穩(wěn)定了銀-硅界面。”

為了使用新合金制造憶阻器,該團隊首先用硅制成了負極,然后沉積少量的銅,再沉積一層銀,制成正極。他們將兩個電極像三明治一樣夾在非晶硅介質(zhì)周圍。通過這種方式,他們用數(shù)以萬計的憶阻器制作成的圖案裝飾一平方毫米的硅芯片。

作為對這款芯片的首次測試,他們重新創(chuàng)建了美國隊長盾牌的灰度圖像。他們將圖像中的每個像素對應于芯片中相應的憶阻器。然后,他們調(diào)制每個憶阻器的電導,其強度與對應像素中的顏色相關。

這款新型芯片(上左)有銀-銅合金制成,以數(shù)以萬計的人工突觸或稱“憶阻器”圖案進行修飾。當每個憶阻器受到對應于某一像素的特定電壓激勵,并逐漸變?yōu)榛叶葓D像(在這個案例中是美國隊長的盾牌)時,這款芯片就重新創(chuàng)建了同樣的清晰圖像,比通過其他材料的憶阻器制成的芯片更加可靠。

與其他材料制成的芯片相比,該芯片可產(chǎn)生相同的盾牌清晰圖像,并能“記住”該圖像并多次復制。

該團隊也讓芯片執(zhí)行了圖像處理任務,通過幾種特殊的方法對憶阻器編程以改變圖像(在這個案例中是 MIT 的基里安方庭“Killian Court”),包括銳化和模糊原始圖像。又一次,他們的設計比現(xiàn)有的憶阻器設計更可靠地生成重新編程的圖像。

MIT 制造的這款新型“芯片上的大腦”對 MIT 的基里安方庭圖像進行了比現(xiàn)有的神經(jīng)形態(tài)設計更可靠的再加工,包括銳化和模糊原始圖像。

Kim 表示:“我們正在使用人工突觸進行真實的推理測試。我們想要進一步開發(fā)這項技術(shù),用更大的陣列來執(zhí)行圖像識別任務。有一天,你也許可以攜帶人造大腦來執(zhí)行這些任務,而無需連接到超級計算機、互聯(lián)網(wǎng)或云?!?/p>

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 芯片
    +關注

    關注

    459

    文章

    52494

    瀏覽量

    440679
  • 神經(jīng)網(wǎng)絡

    關注

    42

    文章

    4814

    瀏覽量

    103577
  • 人工智能
    +關注

    關注

    1806

    文章

    49011

    瀏覽量

    249361
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    開售RK3576 高性能人工智能主板

    ZYSJ-2476B 高性能智能主板,采用瑞芯微 RK3576 高性能 AI 處理器、神經(jīng)網(wǎng)絡處理器 NPU, Android 14.0/debian11/ubuntu20.04 操作系統(tǒng)
    發(fā)表于 04-23 10:55

    【「芯片通識課:一本書讀懂芯片技術(shù)」閱讀體驗】從deepseek看今天芯片發(fā)展

    的: 神經(jīng)網(wǎng)絡處理器(NPU)是一種模仿人腦神經(jīng)網(wǎng)絡的電路系統(tǒng),是實現(xiàn)人工智能神經(jīng)網(wǎng)絡計算的專用處理器,主要用于人工智能深度學習模型的加速
    發(fā)表于 04-02 17:25

    BP神經(jīng)網(wǎng)絡與卷積神經(jīng)網(wǎng)絡的比較

    BP神經(jīng)網(wǎng)絡與卷積神經(jīng)網(wǎng)絡在多個方面存在顯著差異,以下是對兩者的比較: 一、結(jié)構(gòu)特點 BP神經(jīng)網(wǎng)絡 : BP神經(jīng)網(wǎng)絡是一種多層的前饋神經(jīng)網(wǎng)絡
    的頭像 發(fā)表于 02-12 15:53 ?662次閱讀

    BP神經(jīng)網(wǎng)絡的優(yōu)缺點分析

    自學習能力 : BP神經(jīng)網(wǎng)絡能夠通過訓練數(shù)據(jù)自動調(diào)整網(wǎng)絡參數(shù),實現(xiàn)對輸入數(shù)據(jù)的分類、回歸等任務,無需人工進行復雜的特征工程。 泛化能力強 : BP神經(jīng)網(wǎng)絡通過訓練數(shù)據(jù)學習到的特征表示
    的頭像 發(fā)表于 02-12 15:36 ?914次閱讀

    人工神經(jīng)網(wǎng)絡的原理和多種神經(jīng)網(wǎng)絡架構(gòu)方法

    在上一篇文章中,我們介紹了傳統(tǒng)機器學習的基礎知識和多種算法。在本文中,我們會介紹人工神經(jīng)網(wǎng)絡的原理和多種神經(jīng)網(wǎng)絡架構(gòu)方法,供各位老師選擇。 01 人工
    的頭像 發(fā)表于 01-09 10:24 ?1184次閱讀
    <b class='flag-5'>人工</b><b class='flag-5'>神經(jīng)網(wǎng)絡</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡</b>架構(gòu)方法

    卷積神經(jīng)網(wǎng)絡與傳統(tǒng)神經(jīng)網(wǎng)絡的比較

    在深度學習領域,神經(jīng)網(wǎng)絡模型被廣泛應用于各種任務,如圖像識別、自然語言處理和游戲智能等。其中,卷積神經(jīng)網(wǎng)絡(CNNs)和傳統(tǒng)神經(jīng)網(wǎng)絡是兩種常見的模型。 1. 結(jié)構(gòu)差異 1.1 傳統(tǒng)
    的頭像 發(fā)表于 11-15 14:53 ?1866次閱讀

    RNN模型與傳統(tǒng)神經(jīng)網(wǎng)絡的區(qū)別

    傳統(tǒng)神經(jīng)網(wǎng)絡(前饋神經(jīng)網(wǎng)絡) 2.1 結(jié)構(gòu) 傳統(tǒng)神經(jīng)網(wǎng)絡,通常指的是前饋神經(jīng)網(wǎng)絡(Feedforward Neural Networks, FNN),是一種最簡單的
    的頭像 發(fā)表于 11-15 09:42 ?1125次閱讀

    嵌入式和人工智能究竟是什么關系?

    人工智能的結(jié)合,無疑是科技發(fā)展中的一場革命。在人工智能硬件加速中,嵌入式系統(tǒng)以其獨特的優(yōu)勢和重要性,發(fā)揮著不可或缺的作用。通過深度學習和神經(jīng)網(wǎng)絡等算法,嵌入式系統(tǒng)能夠高效地處理大量數(shù)據(jù),從而實現(xiàn)
    發(fā)表于 11-14 16:39

    Moku人工神經(jīng)網(wǎng)絡101

    不熟悉神經(jīng)網(wǎng)絡的基礎知識,或者想了解神經(jīng)網(wǎng)絡如何優(yōu)化加速實驗研究,請繼續(xù)閱讀,探索基于深度學習的現(xiàn)代智能化實驗的廣闊應用前景。什么是神經(jīng)網(wǎng)絡?“人工
    的頭像 發(fā)表于 11-01 08:06 ?662次閱讀
    Moku<b class='flag-5'>人工</b><b class='flag-5'>神經(jīng)網(wǎng)絡</b>101

    關于卷積神經(jīng)網(wǎng)絡,這些概念你厘清了么~

    隨著人工智能(AI)技術(shù)的快速發(fā)展,AI可以越來越多地支持以前無法實現(xiàn)或者難以實現(xiàn)的應用。本文基于此解釋了 卷積神經(jīng)網(wǎng)絡 (CNN)及其對人工智能和機器學習的意義。CNN是一種能夠從復雜數(shù)據(jù)中提
    發(fā)表于 10-24 13:56

    UTB定位技術(shù)能不能精準定位

    在當今科技日新月異的時代,定位技術(shù)以其廣泛的應用場景和不斷提升的精度,成為了多個領域的核心支撐。其中,UTB定位技術(shù)以其高精度、低延遲和高抗干擾性等特點,在眾多定位技術(shù)中脫穎而出,成為精準定位領域的佼佼者。那么,UTB定位技術(shù)到底能不能精準定位呢?下面就給大家具體介紹一下
    的頭像 發(fā)表于 09-03 10:07 ?1231次閱讀

    FPGA在人工智能中的應用有哪些?

    定制化的硬件設計,提高了硬件的靈活性和適應性。 綜上所述,F(xiàn)PGA在人工智能領域的應用前景廣闊,不僅可以用于深度學習的加速和云計算的加速,還可以針對特定應用場景進行定制化計算,為人工智能技術(shù)的發(fā)展提供有力支持。
    發(fā)表于 07-29 17:05

    如何選擇神經(jīng)網(wǎng)絡種類

    人工智能和機器學習領域,選擇適合的神經(jīng)網(wǎng)絡種類是構(gòu)建高效、準確模型的關鍵步驟。這一過程涉及對任務類型、數(shù)據(jù)特性、計算資源及模型性能要求等多方面的綜合考慮。
    的頭像 發(fā)表于 07-24 11:29 ?1191次閱讀

    FPGA在深度神經(jīng)網(wǎng)絡中的應用

    隨著人工智能技術(shù)的飛速發(fā)展,深度神經(jīng)網(wǎng)絡(Deep Neural Network, DNN)作為其核心算法之一,在圖像識別、語音識別、自然語言處理等領域取得了顯著成果。然而,傳統(tǒng)的深度神經(jīng)網(wǎng)絡模型
    的頭像 發(fā)表于 07-24 10:42 ?1200次閱讀

    Python自動訓練人工神經(jīng)網(wǎng)絡

    人工神經(jīng)網(wǎng)絡(ANN)是機器學習中一種重要的模型,它模仿了人腦神經(jīng)元的工作方式,通過多層節(jié)點(神經(jīng)元)之間的連接和權(quán)重調(diào)整來學習和解決問題。Python由于其強大的庫支持(如Tenso
    的頭像 發(fā)表于 07-19 11:54 ?698次閱讀