人造大脑能有多远?也许还有很长的路要走,但是大脑网络的基本元素——突触——的工作模拟物似乎近在咫尺。

这是因为一种从电池中汲取灵感的设备现在出人意料地非常适合运行人工神经网络。它被称为电化学RAM (ECRAM),给传统的基于晶体管的人工智能带来了意想不到的收益,并在开发完美的人工突触的竞赛中迅速走向领先地位。研究人员最近在本周的IEEE国际电子器件会议(IEDM 2022)和其他地方,包括使用更少的能量、存储时间更长、占用空间更小的ECRAM设备。

为当今机器学习算法提供动力的人工神经网络是一种软件,它对大量基于电子的“神经元”及其许多连接(或突触)进行建模。研究人员认为,与用软件来表示神经网络不同,更快、更节能的人工智能将来自于用真实的设备来表示组件,尤其是突触。这个概念被称为模拟AI,它需要一个存储单元,它结合了大量难以获得的属性:它需要保存足够大的模拟值范围,在不同值之间可靠而快速地切换,长时间保持其值,并且适合大规模制造。

“这些设备的反应比大脑突触快得多。因此,它们让我们有可能在本质上能够进行类似大脑的计算,人工智能计算,比大脑快得多,这是我们实现人工智能的承诺所真正需要的。”网上亚博Ayabo2016
-Jesus del Alamo,麻省理工学院

大多数类型的存储器都很适合存储数字值,但噪声太大,无法可靠地存储模拟值。但早在2015年,由亚历克·塔林领导的桑迪亚国家实验室的一组研究人员意识到答案就在他们面前:电池的充电状态。“从根本上说,电池的工作原理是在两种材料之间移动离子。当离子在两种材料之间移动时,电池就会储存和释放能量,”密歇根大学材料科学与工程教授李益阳说。“我们发现我们可以使用相同的过程来存储信息。”

换句话说,通道中有多少离子就决定了存储的模拟值。理论上,单个离子的差异是可以检测到的。ECRAM利用这些概念,通过第三个栅极终端控制“电池”中的电量。

想象一个电池,左边是负极,中间是离子掺杂通道,右边是正极。正极和负极之间的电导率,由通道中离子的数量规定,是什么决定了存储在设备中的模拟值。在通道上方,有一个电解质屏障,允许离子(但不允许电子)通过。在屏障的顶部是一个储存层,包含一个流动离子的供应。施加在这个储层上的电压就像一个“门”,迫使离子通过电解质屏障进入通道,或者相反。如今,切换到所需存储值所需的时间非常快。

“这些设备的反应比大脑突触快得多,”麻省理工学院工程和计算机科学教授杰西·德尔·阿拉莫(Jesus del Alamo)说。“因此,它们让我们有可能从本质上做类似大脑的计算,人工智能计算,比大脑快得多,这是我们实现人工智能的承诺所真正需要的。”网上亚博Ayabo2016

最近的发展正在迅速使ECRAM更接近拥有理想模拟存储器所需的所有品质。

较低的能量

离子不会比单个质子更小。麻省理工学院的Del Alamo小组选择了这种最小的离子作为他们的信息载体,因为它的速度无与伦比。就在几个月前,他们演示设备这使得离子在短短纳秒内移动,大约是大脑突触速度的1万倍。但快速还不够。

“我们可以看到,该设备对(电压)脉冲的响应速度非常快,但这仍然有点太大,”del Alamo说,“这是一个问题。我们还希望能够让设备对低电压脉冲的响应速度非常快,因为这是能源效率的关键。”

在本周的IEEE IEDM 2022上报告的研究中,麻省理工学院的研究小组通过首次对电流流的实时研究,深入研究了他们设备的操作细节。他们发现了他们认为的阻碍设备在较低电压下切换的瓶颈:质子很容易穿过电解质层,但需要在电解质和通道之间的界面上额外的电压推动。有了这些知识,研究人员相信他们可以设计材料界面,以降低开关所需的电压,为更高的能源效率和可扩展性打开大门,del Alamo说。

长记忆

一旦编程,这些设备通常保持电阻率几个小时。桑迪亚国家实验室和密歇根大学的研究人员合作,将这一保留时间的极限推到了10年。他们发表了他们的研究结果在杂志中先进电子材料在11月。

为了保持这么长时间的记忆,由李益阳领导的团队在麻省理工学院的设备中选择了更重的氧离子而不是质子。即使有更大质量的离子,他们观察到的结果也是出乎意料的。“我记得有一天,当我在旅行时,我的研究生戴安娜·金(Diana Kim)给我看了数据,我很震惊,以为有什么地方做错了,”李回忆道。“我们没想到它会如此稳定。后来我们一遍又一遍地这样做,直到我们获得足够的信心。”

他们推测,这种不挥发性来自于他们选择的材料——氧化钨,以及氧离子在其中的排列方式。“我们认为这是由于一种叫做相分离这使得离子能够自行排列,这样就没有驱动力将它们推回去,”李解释道。

不幸的是,如此长的留存时间是以切换速度为代价的,对于Li的设备来说,切换速度以分钟为单位。但是,研究人员说,有了对保持时间是如何实现的物理理解,他们就可以寻找其他同时显示出长记忆和更快切换特性的材料。

小的足迹

在这些设备上增加的第三终端使它们比相互竞争的双终端存储器更笨重,限制了可扩展性。为了帮助缩小设备并有效地将它们打包成一个阵列,研究人员在浦项理工大学在韩国,他把它们侧卧。这使得研究人员可以将器件的占地面积减少到30 × 30纳米,约为前几代器件的五分之一,同时保持开关速度,甚至提高了能源效率和读取时间。他们还在本周的IEEE IEDM 2022上报告了他们的结果。

该团队将他们的设备结构成一个巨大的垂直堆叠:源层放置在底部,导电通道放置在下面,然后是排泄层。为了允许离子进出通道,他们用单层石墨烯取代了通常的半导体材料。这种石墨烯漏还充当了控制离子流动的额外屏障。在上面,他们放置了电解质屏障,最后在上面放置了离子库和栅极终端。通过这种配置,不仅性能没有下降,而且向设备写入和读取信息所需的能量也减少了。因此,读取状态所需的时间减少了20倍。


即使取得了上述所有进步,能够加速人工智能训练的商用ECRAM芯片仍有一段距离。IBM研究人工智能硬件中心的项目总监约翰·罗森(John Rozen)表示,这些设备现在可以使用易于铸造的材料制造,但这只是故事的一部分。“社区的一个关键焦点应该是解决集成问题,使ECRAM设备与前端晶体管逻辑单片耦合在同一晶圆上,这样我们就可以大规模地建立演示程序,并确定它是否确实是一种可行的技术。”

Rozen在IBM的团队正致力于实现这种可制造性。与此同时,他们创造了一个软件工具允许用户使用不同的模拟人工智能设备,包括ECRAM,来训练神经网络并评估它们的性能。

对话(0)

人工智能会窃取潜艇的隐身能力吗?

更好的探测将使海洋变得透明——也许还会导致相互毁灭

11分钟读取
一张潜艇在水中的照片,在部分多云的天空下。

弗吉尼亚级快速攻击潜艇维吉尼亚州将于2010年穿越地中海。当时,只要潜水,它就能消失。

美国海军

潜艇的价值主要是因为他们隐藏的能力。核战争中,核潜艇能够在第一次导弹袭击中存活下来,从而能够在第二次打击中发射导弹作为回应,这是所谓“相互保证毁灭”威慑战略的关键。因此,任何可能使海洋变得有效透明的新技术,都可能破坏世界和平,使潜伏的潜艇变得微不足道。近一个世纪以来,海军工程师们一直在努力研发速度更快、噪音更小的潜艇。但他们也同样努力推进一系列雷达、声纳和其他旨在探测、瞄准和消灭敌方潜艇的技术。

随着20世纪60年代早期核动力潜艇的出现,这种平衡似乎发生了转变。在2015年战略与预算评估中心的一项研究中,布莱恩·克拉克哈德逊研究所的一位海军专家指出,这些船只长时间保持在水下的能力使它们“雷达和主动声纳几乎不可能发现“但即使是这些隐形的潜艇也会产生细微的、非常低频的噪音,从很远的地方就能被探测到声水听器阵列网络安装在海底的。

继续阅读↓ 显示更少
{“imageShortcodeIds”(“30133857”):}
Baidu