大脑晶体管来袭！仿人智能，我们的科技未来

每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！ 订阅：https://rengongzhineng.io/

受人脑的启发,研究人员开发了一种新的突触晶体管,具有更高级别的思维能力。

这种器件由西北大学、波士顿学院和马萨诸塞理工学院(MIT)的研究人员设计,它可以同时处理和存储信息,就像人脑一样。在新的实验中,研究人员证明了晶体管可以超越简单的机器学习任务来分类数据,并且有执行联想学习的能力。

尽管以前的研究利用类似的策略开发了类似大脑的计算设备,但那些晶体管无法在低温环境之外工作。相比之下,这种新器件在室温下稳定。它也以快速的速度运行,消耗非常少的能量,并在断电后保留存储的信息,这使它非常适合实际应用。

该研究发表在Nature杂志上。

转推此语: 我们必须重新思考计算硬件,特别是用于AI和机器学习任务。”

Mark Hersam

“大脑与数字计算机有着根本不同的架构,”这项研究的共同领导者西北大学的Mark C. Hersam说。“在数字计算机中,数据在微处理器和存储器之间来回移动,这会消耗大量能量并在尝试同时执行多个任务时产生瓶颈。另一方面,在大脑中,存储和信息处理是共存的,完全集成,从而达到数量级更高的能量效率。我们的突触晶体管类似地实现了并发的存储和信息处理功能,以更忠实地模拟大脑。”

在过去的几十年里,电子学领域的范式一直是利用晶体管构建一切,并使用相同的硅体系结构。您不能否认这一策略的成功,但它以高功耗为代价,特别是在当前大数据时代,数字计算有可能压垮电网的情况下。我们必须重新思考计算硬件,特别是针对AI和机器学习任务。”

为了重新思考这种范式,Hersam及其团队探索了摩尔纹理物理学的最新进展。 当两种材料堆叠在一起时,会出现新属性,这些属性不会在单层中存在。 当这些层扭曲形成摩尔纹理时,会出现前所未有的电子特性可调性。

对于这种新器件,研究人员结合了两种不同类型的原子薄材料:双层石墨烯和六角氮化硼。 当堆叠并有意扭曲时,这些材料形成了一个摩尔纹理。 通过相对于另一层旋转一层,研究人员可以在每个石墨烯层中实现不同的电子特性,即使它们仅由原子尺度的尺寸分隔。 通过正确的选择扭曲量,研究人员利用摩尔纹理物理实现了室温下的神经形态功能。

“随着扭曲作为一个新的设计参数,排列组合的数量是巨大的。” Hersam说。 “石墨烯和六角氮化硼在结构上非常相似,但差异足够大,从而产生异常强烈的摩尔纹理效应。”

为了测试晶体管,Hersam及其团队训练它识别相似但不完全相同的模式。 就在本月早些时候,Hersam推出了一种新的纳米电子器件,能够以节能方式分析和分类数据,但他的新突触晶体管将机器学习和AI推向了新的高度。

“如果AI意在模拟人类思维,最基本的任务之一就是分类数据,这仅仅是对其进行分类。” Hersam说。 “我们的目标是朝着更高级的思维推进AI技术。 现实世界的条件通常比当前的AI算法可以处理的更加复杂,所以我们在更复杂的条件下测试我们的新器件,以验证其高级功能。”

首先,研究人员向该器件显示一个模式:000(三个零)。 然后,他们要求AI识别类似的模式,例如111或101。 “如果我们训练它检测000,然后给它111和101,它知道111比101更类似于000。” Hersam解释道。 “000和111不完全相同,但都是三位数字连在一起。 识别这种相似性是一种更高级别的认知形式,称为联想学习。”

在实验中,新的突触晶体管成功识别了相似的模式,显示出其联想记忆。 即使研究人员抛出曲球——如给出不完整的模式——它仍然成功地证明了联想学习。

“当前的AI很容易混淆,在某些上下文中可能会导致重大问题。” Hersam说。 “想象一下,如果您使用的是自动驾驶汽车,天气条件恶化了。 该车辆可能无法像人类驾驶员那样正确解释更复杂的传感器数据。 但即使我们给晶体管提供的输入不完美,它也能识别出正确的响应。”