加州大學(xué)圣地亞哥分校的研究人員開發(fā)了一種新的人工神經(jīng)元裝置，訓(xùn)練神經(jīng)網(wǎng)絡(luò)來執(zhí)行任務(wù)，如識別圖像或為自動駕駛汽車導(dǎo)航，有一天可能需要更少的計算能力和硬件。該設(shè)備可以使用比現(xiàn)有基于CMOS的硬件少100到1000倍的能量和面積來運行神經(jīng)網(wǎng)絡(luò)計算。

研究人員在最近發(fā)表于《自然-納米技術(shù)》的一篇論文中報告了他們的工作。神經(jīng)網(wǎng)絡(luò)是一系列相連的人工神經(jīng)元層，其中一個層的輸出為下一個層提供輸入。產(chǎn)生該輸入是通過應(yīng)用一種被稱為非線性激活函數(shù)的數(shù)學(xué)計算來完成的。這是運行神經(jīng)網(wǎng)絡(luò)的一個關(guān)鍵部分。但應(yīng)用這個函數(shù)需要大量的計算能力和電路，因為它涉及到在兩個獨立單元--存儲器和外部處理器之間來回傳輸數(shù)據(jù)。

現(xiàn)在，加州大學(xué)圣地亞哥分校的研究人員已經(jīng)開發(fā)了一個單一的納米級人工神經(jīng)元設(shè)備，以一種非常節(jié)省面積和能源的方式在硬件中實現(xiàn)這些計算。由Kuzum和她的博士生Sangheon Oh領(lǐng)導(dǎo)的這項新研究是與加州大學(xué)圣地亞哥分校物理學(xué)教授Ivan Schuller領(lǐng)導(dǎo)的能源部能源前沿研究中心合作進(jìn)行的，該中心專注于開發(fā)高能效人工神經(jīng)網(wǎng)絡(luò)的硬件實現(xiàn)。

該設(shè)備實現(xiàn)了神經(jīng)網(wǎng)絡(luò)訓(xùn)練中最常用的激活函數(shù)之一，稱為整流線性單元。這個函數(shù)的特別之處在于，它需要能夠經(jīng)歷電阻逐漸變化的硬件才能發(fā)揮作用，它可以逐漸從絕緣狀態(tài)切換到導(dǎo)電狀態(tài)，并且在一點點熱量的幫助下完成。這種開關(guān)就是所謂的莫特轉(zhuǎn)變。它發(fā)生在一個納米級的二氧化釩薄層中。這層上面是一個由鈦和金制成的納米線加熱器。當(dāng)電流流經(jīng)納米線時，二氧化釩層慢慢加熱，導(dǎo)致緩慢、可控的從絕緣到導(dǎo)電的轉(zhuǎn)換。

這種設(shè)備結(jié)構(gòu)非常有趣和創(chuàng)新，通常情況下，處于莫特過渡期的材料會經(jīng)歷一個從絕緣到導(dǎo)電的突然轉(zhuǎn)換，因為電流直接流過材料。在這種情況下，研究人員將電流流經(jīng)材料頂部的納米線，以加熱它并誘發(fā)一個非常漸進(jìn)的電阻變化。為了實現(xiàn)這個裝置，研究人員首先制造了這些所謂的激活(或神經(jīng)元)裝置的陣列，以及一個突觸裝置陣列。然后，他們將這兩個陣列集成到一個定制的印刷電路板上，并將它們連接在一起，創(chuàng)建一個硬件版的神經(jīng)網(wǎng)絡(luò)。

研究人員使用該網(wǎng)絡(luò)來處理圖像，比如加州大學(xué)圣地亞哥分校蓋瑟圖書館的照片。該網(wǎng)絡(luò)進(jìn)行了一種叫做邊緣檢測的圖像處理，它可以識別圖像中物體的輪廓或邊緣。這項實驗表明，集成的硬件系統(tǒng)可以進(jìn)行卷積操作，這對許多類型的深度神經(jīng)網(wǎng)絡(luò)來說是必不可少的。

研究人員說，該技術(shù)可以進(jìn)一步擴大規(guī)模，以完成更復(fù)雜的任務(wù)，如自動駕駛汽車的面部和物體識別。

關(guān)鍵詞： 人工神經(jīng)元