美国开发出新型忆阻器神经网络芯片

2020-01-03 20:16栏目:军事资讯
TAG:

[据物理学组织网站2017年5月22日报道] 受哺乳动物视觉系统的启发,美国密歇根大学开发出一种新型“忆阻器”计算机电路芯片原型,具备处理诸如图像和视频等复杂数据信息的能力,其处理速度比现有最先进的系统快好几个数量级且功耗也非常低。更加快速的图像处理能力对于自动驾驶汽车等自主系统来说至关重要。

密歇根大学的下一代计算机处理芯片利用模式识别的方式优化了常规图像识别和分析系统的耗能过程。研究人员采用了一种基于“稀疏编码”技术的全新算法控制32×32的忆阻器阵列对几张照片进行了高效的分析和重现。

传统计算机采用冯·诺依曼结构也称普林斯顿结构,其逻辑和存储功能模块是相互分离的,分别位于处理器芯片的不同位置,会导致所谓的冯·诺伊曼瓶颈,限制信息处理的效率。忆阻器是一种先进的具备记忆功能的非线性电阻器,可基于对其施加电压的历史记录对电流进行调节。忆阻器系统可同时进行数据存储和逻辑运算,比传统计算机系统更加高效。

在如今的大数据时代,计算机所要处理信息的复杂程度与日俱增,计算机在数据海洋中进行数据检索时,其处理器和内存之间要进行长时间的稳定和缓慢的数据通信,这就导致数据中心中所使用的计算机变得越来越大、越来越昂贵、越来越耗能。

与之不同的是,忆阻器网络能够像生物大脑中的神经网络一样同时实现对各种不同任务的并行处理,无需对数据信息进行来回的传输。因此,忆阻器网络可作为一种全新的计算平台对大规模的数据信息进行并行处理,进而可用于先进机器学习。忆阻器是构建深度神经网络系统的一个良好选择。深度神经网络是机器学习领域的一个重要分支,可在没有明确编程的条件下训练计算机来执行对具体任务的运算和处理。

研究人员指出,下一代电子计算机系统将具备在动态环境中对复杂数据信息进行高速处理的能力。人们根本不需要进行提前编程,甚至都不用提前定义具体的任务类型。为了使我们的系统变得更加智能,需要寻找能够使它们更为高效地处理大量数据的方法。在本研究中,研究人员为达到这一目标所采用的方法得益于神经科学的启发。

哺乳动物的大脑能够快速对眼睛所捕获到的信息产生全面的瞬间印象。原因之一是因为它能够快速地识别形状的不同排列方式。对于人类来说,这一过程通常只需要激活为数不多的神经元细胞便可以实现。这一过程被神经系统科学家和计算机科学家成为“稀疏编码”过程。

我们之所以看到一把椅子就能够认出它,是因为它的特征与我们大脑中所存储的关于椅子的记忆图像相吻合。虽然并不是所有的椅子外观都一样,甚至有些椅子与我们大脑中作为标准的椅子的记忆图像原型差别还很大,但每把椅子仍然存在着便于大脑进行快速识别的关键特征。在大脑中这些关键特征信息被合理分类并储存在恰当的位置,需要时可以快速而准确地提取,从而实现了高效识别。与之类似,密歇根大学所开发的电子图像识别系统参考了这样的设计思路,利用不多的图案描述初始输入,进而实现高效的图形识别。另外,我们的大脑利用不同的神经元细胞识别不同的图案。当我们看到一个图像时,与之相关的神经元细胞将会变得十分活跃,神经元细胞之间也会相互竞争从而自然地产生出一个最为高效的表达方式。研究人员开发的电子系统也具备同样的功能。

研究人员训练他们的电子图像识别系统学习了大量的图像。在一组灰度图像模式训练过程中,研究人员的忆阻器神经网络成功实现了对著名画作、照片及其它测试模式图像的重建。

如果该图像识别系统能够进一步扩展,将有望与传感器及摄像机直接集成为一个紧凑的系统,对视频信息进行实时的处理和分析。

版权声明:本文由奥门金沙-奥门金沙网址发布于军事资讯,转载请注明出处:美国开发出新型忆阻器神经网络芯片