类脑芯片怎么搞?哈佛:直接复制粘贴神经元 | Nature子刊

Posted 人工智能博士

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了类脑芯片怎么搞?哈佛:直接复制粘贴神经元 | Nature子刊相关的知识,希望对你有一定的参考价值。

点上方人工智能算法与Python大数据获取更多干货

在右上方 ··· 设为星标 ★,第一时间获取资源

仅做学术分享,如有侵权,联系删除

转载于 :量子位

类脑芯片,到底该怎么做?

最近,三星联合哈佛大学就提出了一种“简单粗暴”的方法:

复制粘贴

而且据介绍,这项研究是当前的技术无法企及的,因此最近还登上了Nature子刊。

具体而言,就是通过将大脑神经元连接图,“复制粘贴”到固态存储器的高密度3D存储网络上。

如此以来,就有望实现低功耗、易学习、适应环境,甚至是具备自主性和认知能力等特性的芯片。

那么他们为什么要做这样一个研究?

三星表示,虽早就在上世纪80年代,神经拟态电子学就被提出,但由于模仿人脑实在是太难了

所以一直以来,大家做的都简化成了受大脑“启发”的技术,而非严格模仿。

现在,他们回到了最初的愿景,即在硅集成电路上真正地模仿人脑神经元网络的结构和功能。

如何“复制粘贴”?

为了实现这个目标,研究人员通过使用纳米电极阵列和存储芯片对神经元连接进行“复制、粘贴”。

此处的纳米电极阵列采用的是此前该团队在哈佛大学的研究成果:CMOS纳米电极阵列(CMOS nanoelectrode array,CNEA)。

CMOS纳米电极阵列将4096个电子通道集成在带有4096个垂直纳米电极的CMOS芯片中,以此连接细胞内的并行记录(Parallelization of intracellular recording,神经科学的一个重要研究方向),可以映射神经元的功能性突触连接。

下图左为电镜下CMOS纳米电极阵列模仿的大鼠神经元;

右为通过计算机辅助分析程序从该CNEA上提取出的突触连接图。

“复制”或者说提取出来了神经元连接图,接下来就是“粘贴”到存储网络中。

可以通过对每个记忆进行编程合成记忆网络,使存储器能通过电导(conductance)反应每个神经元连接的强度来实现。

或者也可以采用直接下载连接图到存储芯片上的方案:

用记录的信号直接驱动一个N×N的存储器交叉杆阵列,进行突触连接图的物理压印(physical imprinting)。

“粘贴”这一步可搭载的存储网络包括闪存、磁性随机存取存储器(MRAM)、相变随机存取存储器(PRAM)和电阻式随机存取存储器(RRAM)。

以上就是该团队“复制粘贴”方法的简单介绍,感兴趣的可以进一步查看论文。

为神经元连接研究提供了一种新的可能和方向

尽管这个方法还只是个理论,真正实现起来还有很多挑战。

但这项研究是一项开创性的努力,为神经元连接研究提供了一种新的可能和方向,有着巨大的应用前景。

三星表示他们也在利用其在芯片制造方面的经验,希望通过对神经拟态工程的研究,推动机器智能、神经科学和半导体技术的发展。

同时也毫不避讳地表示正在“野心勃勃”地争取他们在下一代人工智能半导体领域的领先地位

哦对了,回到这项研究本身,由于人类大脑中大约有1000亿个神经元,以及大约一千倍的突触连接,最终这样的神经形态芯片将需要100万亿左右的内存。

不过通过存储器的3D集成,在单个芯片上集成如此大规模的存储器将成为可能。

而这个为存储器行业开辟了一个新纪元的3D集成技术,也是由三星牵头研发

论文地址:
https://www.nature.com/articles/s41928-021-00646-1

参考链接:
https://news.samsung.com/global/samsung-electronics-puts-forward-a-vision-to-copy-and-paste-the-brain-on-neuromorphic-chips?utm_source=rss&utm_medium=direct

---------♥---------

声明:本内容来源网络,版权属于原作者

图片来源网络,不代表本公众号立场。如有侵权,联系删除

AI博士私人微信,还有少量空位

如何画出漂亮的深度学习模型图?

如何画出漂亮的神经网络图?

一文读懂深度学习中的各种卷积

点个在看支持一下吧

以上是关于类脑芯片怎么搞?哈佛:直接复制粘贴神经元 | Nature子刊的主要内容,如果未能解决你的问题,请参考以下文章

脉冲神经网络SNN流片验证类脑芯片

哈佛大学搞出声波传数据芯片,抗干扰能力更强,适用于量子计算等新兴领域...

如何在windows下复制到ubuntu下粘贴

WPS复制粘贴默认为无格式文本,想改为保留原格式

最大规模的脉冲神经网络类脑计算机问世

异步脉冲神经网络与类脑计算系统研发动态