人工突觸模擬憶阻器研究取得進展,有助深度學習神經網絡發展

2020-12-05 量子之聲

基於馮·諾依曼架構的傳統數字計算機，其數據處理與存儲分離結構限制了其工作效率，同時帶來巨大功耗，無法滿足大數據時代下計算複雜性的需求。同時，上述缺陷也阻礙了深度學習神經網絡的進一步發展。而借鑑人腦神經突觸結構，構築結構簡單、低功耗、高低阻態連續可調的非易失性阻態憶阻器是實現類腦神經形態計算中至關重要的一步。

目前，模仿生物神經系統中突觸間隙神經遞質釋放過程與電信號傳遞處理調控構建的多柵極人造神經元電晶體常表現出高低電阻態的突變。然而，基於二維材料的兩端電阻開關器件通常表現出從高電阻狀態到低電阻狀態的突變。

為解決上述問題，中國科學院上海微系統與信息技術研究所研究員丁古巧課題組與深圳大學電子科學與技術學院副教授韓素婷、深圳大學高等研究院研究員周曄合作，利用新型碳基二維半導體材料C3N實現了可調突觸行為的人工突觸模擬憶阻器。該器件可以實現電阻值隨著連續的電壓掃描而逐漸變化的典型的憶阻行為。近常壓X射線光電子能譜證實C3N薄膜中的質子傳導過程實現了器件的憶阻特性。C3N中大量的晶格N原子使其成為高質量的質子接受材料。與此同時，在C3N與PVPy之間的氫鍵網絡有助於質子傳導。該憶阻器能實現多種生物突觸中的突觸可塑性模擬，包括興奮性突觸後電流、雙脈衝易化、雙脈衝抑制、雙脈衝易化轉換為雙脈衝抑制以及強直後增強等。

該項工作表明，基於質子傳導憶阻器的人工突觸在進一步構建神經形態計算系統中具有巨大潛力。同時，該工作也是新型碳基二維半導體材料C3N應用研究的又一突破。相關工作以Tunable Synaptic Behavior Realized in C3N Composite based Memristor 為題，於《納米能源》（Nano Energy）在線發表，第一作者為深圳大學電子科學與技術學院副研究員周黎和上海微系統所博士後楊思維。

該工作得到博士後創新人才支持計劃（BX201700271），博士後面上項目（2017M621564），國家自然科學基金面上項目（11774368）、青年基金（11804353），上海科技成果轉化項目（18511110600）的支持。

相關焦點

  • 基於憶阻器的神經網絡應用研究
    2010年密西根大學盧偉教授團隊[7]提出可以通過操控憶阻器件中離子遷移過程而精細調控器件電導值，率先在Si：Ag憶阻器中實驗模擬實現了突觸權重調節行為和脈衝時序依賴突觸可塑性，從而掀起了憶阻人工神經突觸和神經網絡的研究熱潮。
  • 基於憶阻器的神經網絡應用研究
    2010年密西根大學盧偉教授團隊[7]提出可以通過操控憶阻器件中離子遷移過程而精細調控器件電導值，率先在Si：Ag憶阻器中實驗模擬實現了突觸權重調節行為和脈衝時序依賴突觸可塑性，從而掀起了憶阻人工神經突觸和神經網絡的研究熱潮。
  • 中科院在基於憶阻器構建人工感受神經系統方面取得進展
    因此，基於生物感受神經系統的功能特性構建具備生物現實性的高效智能信息感知系統將成為一個重要發展趨勢。 RHaEETC-電子工程專輯近日，中科院微電子所微電子重點實驗室劉明院士團隊提出了基於憶阻器構建具備習慣化特性的人工感受神經系統的實現方案，並利用習慣化這一生物學習規則構建了可應用於機器人自主巡航避障的習慣化脈衝神經網絡。
  • 會「學習」的超導人工突觸:讓神經形態計算更快更節能!
    導讀近日，美國國家標準與技術研究院（NIST）的研究人員製造出了一種超導開關，也被稱為人工突觸。它能像生物系統一樣進行」學習「，並可以在未來類腦計算機中連接處理器並存儲記憶。神經形態計算，被認為代表了未來人工智慧的重要發展方向，引起了科學界的濃厚興趣。不同於傳統的馮·諾依曼計算機體系結構，神經形態計算的靈感來源於人類大腦，它模仿神經突觸和神經元，將負責數據存儲和數據處理的元器件整合到同一塊晶片中，更節能、更快速、更高效地處理和學習數據。
  • 憶阻器材料成分的突破:對憶阻器的功能行為的系統控制
    憶阻器（memristor），又名記憶電阻（英語：memory resistors），如同電阻器，憶阻器能產生並維持一股安全的電流通過某個裝置。但是與電阻器不同的地方在於，憶阻器可以在關掉電源後，仍能「記憶」先前通過的電荷量。世界各地的科學家都在致力於憶阻設備的研究，這些設備消耗的功率極低，其行為類似於大腦中的神經元。
  • 史丹福大學實現高性能低功耗人工突觸,可用於神經網絡計算
    選自Stanford作者：TAYLOR KUBOTA機器之心編譯參與：微胖、晏奇斯坦福研究人員打造出一種新的有機人工突觸，更好地支持計算機再現人類大腦信息處理方式。該研究還能改善腦機（brain—machine）技術。儘管這些年來，計算機技術取得不少進展，但是，在再造大腦低能耗、簡潔的信息處理過程這方面，我們仍然步履蹣跚。
  • 新型神經網絡晶片:由憶阻器構成,為人工智慧提速!
    （圖片來源於:Sren Boyn/法國國家科學研究院）圖解：這是一幅藝術家對於電子神經突觸的印象圖，其中的粒子代表流過氧化物的電子，類似生物神經突觸中的神經傳導物質。電子的流動取決於氧化物的鐵電疇結構，受到電壓脈衝控制。關鍵技術提示：人工智慧、神經網絡、憶阻器。
  • 人工智慧的另一方向:基於憶阻器的存算一體技術
    但深度神經網絡的發展已經進入瓶頸期，我們仍處於弱人工智慧時代。如何更近一步，跨入強人工智慧，敲擊著每一位智能研究者的心。算法提升，則是走向強人工智慧的一個方向；而受腦啟發的硬體設計，則是人工智慧的另一方向。在硬體層面上，智能研究如何從對人腦的研究中受益？隨著我國在類腦計算方面的深入，已有越來越多的學者開始拷問這一問題。
  • 《自然》雜誌:中國學者研究出微型生物憶阻器模擬大腦神經突觸
    如同電阻器，憶阻器能產生並維持一股安全的電流通過某個裝置。但是與電阻器不同的地方在於，憶阻器可以在關掉電源後，仍能「記憶」先前通過的電荷量，所以也稱為「記憶電晶體」。僅在10年前，科學家們致力於希望利用憶阻器的「記憶」功能打開神經形態計算新領域，希望使用這種憶阻器的微電子工具，能夠像真實的大腦神經突觸一樣運作或操作。
  • 人工神經網絡發展歷程及特點
    人工神經網絡ANN簡稱為神經網絡或類神經網絡。深度學習實際上是深度神經網絡DNN，即深度學習從人工神經網絡ANN模型發展起來的，因此有必要對人工神經網絡ANN作進一步探討。＾＿＾ 最近十幾年來，人工神經網絡ANN的研究工作不斷深入，已經取得了很大進展，其在模式識別、智慧機器人、自動控制、預測估計、生物、醫學、經濟等領域已成功地解決了許多現代計算機難以解決的實際問題，表現出了良好的智能特性。 那麼究竟什麼是人工神經網絡ANN呢？
  • 新型ANN登《自然》子刊:清華團隊領銜打造基於憶阻器的人工樹突
    可以說，窺探人類之謎，研究樹突是重要一環。所以，對人腦神經元網絡進行抽象建立的人工神經網絡（Artificial Neural Network，ANN ），裡面也有樹突在起作用嗎？實際上，很多人工神經網絡中樹突的信息處理功能被忽略，相比於生物神經網絡，其靈活性、魯棒性、功耗都有欠缺。
  • 蘇州納米所在面向智能仿生感知系統的柔性人工突觸研究取得新進展
    人工智慧技術的發展為人機互動、仿生感知系統及智慧機器人等領域的發展帶來了革命性變化，同時對複雜數據的處理和人機互動界面提出了新的要求。不同於目前基於軟體系統和馮·諾依曼構架計算體系實現的神經網絡，人腦運算方式具有高效率和低功耗的特點，因此，通過人工突觸器件的製備，在硬體層面上模擬人腦的神經擬態器件，對構建新的計算系統具有重要意義。
  • 我國科學家面向智能仿生感知系統的柔性人工突觸研究取得進展
    人工智慧技術的發展為人機互動、仿生感知系統及智慧機器人等領域帶來革命性變化，同時也對複雜數據的處理和人機互動界面提出新要求。不同於目前基於軟體系統和馮·諾依曼構架計算體系實現的神經網絡，人腦運算方式具有高效率和低功耗的特點。因此，通過人工突觸器件的製備，在硬體層面上模擬人腦的神經擬態器件，對構建新的計算系統具有重要意義。
  • 蘇州納米所面向智能仿生感知系統的柔性人工突觸研究取得進展
    人工智慧技術的發展為人機互動、仿生感知系統及智慧機器人等領域帶來革命性變化，同時也對複雜數據的處理和人機互動界面提出新要求。不同於目前基於軟體系統和馮·諾依曼構架計算體系實現的神經網絡，人腦運算方式具有高效率和低功耗的特點。因此，通過人工突觸器件的製備，在硬體層面上模擬人腦的神經擬態器件，對構建新的計算系統具有重要意義。
  • 人造突觸問世,可用於搭建神經網絡
    近日，史丹福大學（Stanford University）和桑迪亞國家實驗室（Sandia National Laboratories）的研究人員們構建出了一種人工突觸，這種突觸提高了計算機模擬人腦的效率，有力地促進了該領域的發展。「它就像真的突觸一樣，但它的確是人工設計的有機電子器件，」 Alberto Salleo 介紹道。
  • 深度|人工神經網絡深入分析
    細胞體膜內外電位差（由突觸輸入信號總和）的升高超過閾值產生脈衝，神經細胞進入興奮狀態；4. 突觸延遲使輸入與輸出間有固定時滯。人工神經網絡1943年，基於生物神經網絡莫克羅-彼特氏神經模型（McCulloch－Pitts′neuronmodel）誕生。
  • MIT新型「大腦晶片」問世,數萬人工大腦突觸組成,可進行超複雜計算
    研究人員所用的晶片物理體積比一片紙屑還要小，但卻被工程師們放置了成千上萬個「人工大腦突觸」，這種被稱為「憶阻器」的矽基元件，能夠模仿人類大腦中信息傳遞的突觸結構。這一最新研究成果發表在近日的《自然納米技術》雜誌上。
  • 深度神經網絡DNN是否模擬了人類大腦皮層結構
    我個人十分懷疑這一點，前幾天還看到一個關於神經元的進展，大意是神經元不僅能對單一信號產生反應，還能對一定一定間隔的信號產生反應。 神經元的底層編碼能力其實更強。我們神經科學發展了這麼久，可能真的連神經元都沒真正的搞清楚。在這另外說一句，深度神經網絡裡面，大部分節點都是等同的，但是在人類神經網絡裡面，並不是這樣。
  • 寧波材料所在柔性氧化物神經形態電晶體研究方面取得進展
    突觸作為人腦認知行為的基本單元，是神經元間發生聯繫的關鍵部位，是構建人工神經網絡的重要出發點。在突觸仿生電子學方面，目前的研究主要包括兩端阻變器件和三端電晶體，這類器件已經模仿了一些從簡單到複雜的各種突觸功能和神經元功能，有著潛在的應用前景。
  • 初探神經網絡與深度學習 —— 感知器
    【IT168 技術】人工神經網絡的第一個裡程碑是感知機perceptron， 這個名字其實有點誤導， 因為它根本上是做決策的。 一個感知機其實是對神經元最基本概念的模擬 ，都未必有多少網絡概念，他就是一個自動做決策的機器。