应用

技术

物联网世界 >> 物联网新闻 >> 物联网热点新闻
企业注册个人注册登录

研究人员用半导体材料成功模仿了神经元

2020-07-20 15:38 半导体行业观察

导读:多年来,研究人员一直在研究基于人脑的计算机,但是很多都没有成功。

计算机芯片是人工智能(AI)的最重要方面之一。功能强大的小片段是自动图像识别的基础,并部分负责教会机器人如何进行某些活动,例如步行。随着AI技术潜力的不断增长,当今的计算机芯片必须既功能强大又经济实惠,但这是很难完成的事情。

由于传统的微电子技术由于物理上的限制而只能进行最大程度的优化,因此研究人员像往常一样转向人的大脑,以寻求如何更有效地处理和存储信息的灵感。

德累斯顿工业大学和德累斯顿-罗斯森多夫Helmholtz-Zentrum(HZDR)的科学家们首次通过使用半导体材料成功地模仿了大脑神经元的工作原理。这项研究发表在《自然电子》杂志上。

我们知道,今天最常用于提高微电子学性能的技术是减小组件尺寸。在硅计算机芯片的情况下,这种减小发生在单个晶体管上。

但研究人员说:“这不可能无限期地进行,我们需要新的方法。”

为此他们着手模拟大脑并创建可以结合数据处理和数据存储的人工神经元。

“我们的团队在生物和化学电子传感器方面拥有丰富的经验,”其中一个研究者Barbara说。“因此,我们使用生物传感器原理模拟了神经元的特性,并修改了经典的场效应晶体管以创建人造神经元晶体管。”

这种方法允许在一个组件内同时进行存储和信息处理。在当今最常用的晶体管技术中,这两个过程是分开的,从而导致处理时间变慢和性能受到限制。

多年来,研究人员一直在研究基于人脑的计算机,但是很多都没有成功。最初的尝试涉及将神经细胞与皮氏培养皿中的电子设备相连,但是正如德累斯顿工业大学材料科学与纳米技术教授Gianaurelio Cuniberti所说的那样,“必须一直供入的湿计算机芯片是对任何人都没有用。”

但研究人员团队最终成功实现了神经晶体管。

“我们将粘性物质(称为溶胶凝胶)应用于传统的带有电路的硅片。这种聚合物硬化并变成多孔陶瓷,” Cuniberti说。离子在孔之间移动。它们比电子重,激发后返回其位置的速度更慢。这种延迟被称为磁滞现象,是导致存储效应的原因。单个晶体管被激励得越多,它将越早打开并让电流流动。这加强了连接。该系统正在学习。”

根据该团队的说法,与精确到最后一个小数的计算相比,该芯片的精度较低,并且会估算数学计算。

“但是他们会更聪明,”库尼贝蒂说。“例如,带有这种处理器的机器人将学会走路或抓握;它会拥有一个光学系统,并学会识别连接。而这一切都无需开发任何软件。”

这种计算机的另一个主要优点之一是可塑性,使其可以在运行期间进行更改和适应。就像人的大脑一样,这意味着计算机最终可能会遇到并解决从未编程过的问题。