回顧:神經擬態計算需求下的6種新內存技術

2020-11-26 IT168

　　【IT168 技術】對神經擬態計算的興趣促使人們去研究一種新的內存設備，以複製/實現生物神經元和突觸的特性功能。近日有一篇論文(https://onlinelibrary.wiley.com/doi/10.1002/admt.201800589)回顧了該領域的現狀，並討論了6種在這一領域最有前途的技術。

　　這六類器件包括可變電阻式隨機存取存儲器(ReRAM)、擴散型憶阻器(Diffusive Memristors)、相變存儲器(PCM)、基於自旋電子的磁阻隨機存取存儲器(MRAM)，鐵電場效應電晶體(FeFET)，突觸電晶體(Synaptic Transistor)，下面我們逐一進行介紹。

　　ReRAM

　　ReRAM基於一個「漂移」憶阻模型，是一種具有非易失性的電子開關，即它可以由多種化合物製成，最常見的是各種類型的氧化物。根據論文作者的說法，ReRAM的主要優勢是它的可擴展性、CMOS兼容性、低功耗和模擬電導調製，這些優勢使它成為下一代內存的主要競爭者。

　　它對神經擬態計算的適用性，與憶阻器根據施加電壓的歷史改變其狀態的能力有關。由於這種行為，它具有生物神經元與突觸的暫時性和模擬特性。然而，使這些憶阻器更均衡，讓其可靠地工作仍然是一個挑戰，作者說。

　　2017年，由盧偉博士領導的密西根大學電氣工程與計算機科學系的一個小組展示了一個使用憶阻器的神經擬態原型設備，憶阻器被布置在一個交叉網絡中。作為Crossbar公司的首席科學家，盧正在幫助這項技術實現商業化。他於2010年與他人共同創立了該公司，目前正與客戶合作，向市場推出Crossbar ReRAM解決方案。

　　擴散型憶阻器

　　該技術基於一種使用活潑金屬的擴散動力學的憶阻器，同樣也引起了研究人員的關注。根據論文作者的說法，此類憶阻器能夠利用它們獨特的電導行為來模擬突觸的可塑性，這一特性使它們能夠忘記較早的、短期的信息，同時鎖定更多相關的信息。

　　將擴散型憶阻器與ReRAM配對的實驗裝置能夠演示無監督學習。這項研究是由麻薩諸塞大學的一組研究人員領導的，其中就有這篇論文的三位作者。到目前為止，還沒有商業實現。

　　相變存儲器

　　PCM是另外一種高性能、非易失性存儲器，基於硫族化物玻璃化合物——當它們從一個相移動到另一個相時，電阻會發生變化。該材料的結晶相為低電阻率，非結晶相為高電阻率。相變是通過施加或抽取電流來實現的。與基於NAND的傳統非易失性內存不同，一些PCM設備可以承受幾乎無限次的寫操作。

　　英特爾、三星、美光科技和松下都曾多次涉足PCM, IBM Research也曾進行了這方面的工作，後者推出了一款PCM DIMM，可以作為非易失性緩存。幾年前，研究人員構建了一個PCI-Express PCM卡，可以連接到Power8伺服器，並通過相干加速器處理器接口(CAPI)交換數據。

　　作者參考了許多使用相變材料的模擬性質進行神經擬態計算的研究成果，其中一項研究提出了一個完整的神經擬態電路設計，使用PCM來模擬神經元和突觸。

　　自旋電子MRAM

　　基於自旋電子的MRAM，有時也被稱為自旋轉矩轉換MRAM (STT-MRAM)，它以磁性的方式存儲數據，但使用電子來讀寫數據。磁性提供了非易失性，而電子提供了速度。在有些實現中，寫數據的速度幾乎和DRAM一樣快。

　　一個存儲元件由兩個鐵磁層組成，包括自由層和固定層，中間夾有非磁性氧化物層。它的工作原理是克服將磁化從一個方向轉換到另一個方向所需要的電阻。通過在自由層中加入疇壁可以實現多種電阻狀態。這類器件中，開關態的隨機性可以用來模擬突觸的隨機行為。

　　Avalanche Technology，Spin Memory，以及Everspin Technologies等公司正在開發STT-MRAM的商業產品，此外三星和英特爾也開始生產STT-MRAM晶片。從商業角度來看，Everspin似乎是走得最遠的。本月，該公司已經開始向客戶運送1GB的STT-MRAM設備。

　　鐵電場效應電晶體

　　FeFET存儲器使用鐵電材料，可以在兩種極化狀態之間快速切換。與上面提到的其他技術一樣，它可以在低功耗下提供高性能，並且具有非易失性的額外優勢。

　　根據論文作者的說法，這種類型的內存，電壓可以通過模擬突觸權重的方式進行調整，突觸權重是神經擬態計算的一個重要元素。FeFET的一大優勢是，一些鐵電化合物也與CMOS兼容，從而更容易集成到標準計算平臺中。缺點是，該技術還受到DRAM的一些限制，包括伸縮性、洩漏和可靠性。

　　突觸電晶體

　　與本文提到的其他技術不同，突觸電晶體是專門設計用來模擬神經元行為的。電晶體是由柵極、源極和漏極組成的三端結構。柵極利用電導將突觸權重傳遞給通道，而源極和漏極則用來讀取權重。電解質溶液用來調節通道的電導，提供神經形態功能的核心模擬行為。

　　論文作者說，突觸電晶體提供了「卓越的性能」，甚至可能比生物等同物更好。然而，這項技術仍處於非常早期的研究階段。當前的實現在持久性、速度和電解質等方面都受到限制。此外，它還為被證明能像神經網絡那樣連貫地工作。

　　總的來說，這些技術有潛力「顯著加快計算速度，同時降低功耗」，作者寫道，他們也承認每種技術都有自己的優缺點。他們認為，至少在可預見的未來，任何人造神經擬態系統仍將不得不依賴CMOS電路作為外圍元件。「要使神經形態系統能夠自我依賴，這些新設備技術必須進行跳躍式的改進。」 作者寫道，「目前仍有繼續發展的空間，在材料科學家、設備工程師、硬體設計師、計算機架構師和程式設計師之間的強大協作下向前發展，將有助於促進跨學科對話，以解決神經擬態領域面臨的許多挑戰。」

　　原文作者：Michael Feldman 來源：TheNextPlatform

　　https://www.nextplatform.com/2019/01/22/new-technologies-give-neuromorphic-computing-better-memories/

相關焦點

  • 解讀神經擬態計算:讓機器像大腦一樣"思考"
    因此，需要讓機器在某種程度上具備接近自然智能、或具備真正自然智能的新的方法，來推動人工智慧在「智慧」層面的發展。而目前，神經擬態計算就是這樣一種神奇的技術。　　而神經擬態計算正是模擬人腦結構，讓基於其的設備具有自主學習能力的技術。　　那麼神經擬態計算晶片是如何模擬人腦結構的呢？以英特爾的LOIHI晶片為例我們可以大致了解其中奧妙。　　人類大腦有800億神經元，每個神經元又可以跟上萬個神經元進行連接。怎麼讓一個系統和軟硬體結合的設備可以以人腦的方式去學習呢？
  • 最大規模的神經擬態計算系統，神經容量相當於小型哺乳動物的大腦
    一直以來，科學家和工程師們都在努力復刻人腦的工作原理，由此誕生了我們熟悉的神經網絡。在這一過程中，人們也在嘗試複製感官能力，英特爾的神經擬態晶片 Loihi 就是一項最新的研究成果：它擁有 13 萬個神經元（1024 核），實現了嗅覺模擬，掌握了 10 種危險品不同氣味的神經表徵。
  • 最大規模的神經擬態計算系統,神經容量相當於小型哺乳動物的大腦
    一直以來，科學家和工程師們都在努力復刻人腦的工作原理，由此誕生了我們熟悉的神經網絡。在這一過程中，人們也在嘗試複製感官能力，英特爾的神經擬態晶片 Loihi 就是一項最新的研究成果：它擁有 13 萬個神經元（1024 核），實現了嗅覺模擬，掌握了 10 種危險品不同氣味的神經表徵。
  • 英特爾將推新型神經擬態計算系統,可模仿人腦工作方式 | 硬科技
    記者 | 彭新編輯 |1CPU和GPU等傳統通用處理器特別擅長處理人類難以完成的任務，例如高精準度的數學運算。然而，當此類處理器即時處理非結構化和充滿雜訊的數據，並同步進行記憶、演算、推理和計算時，例如在圖像和聲音上，將很難滿足需求。
  • 英特爾神經擬態計算晶片Loihi學會聞10種有害化學物質
    近日，英特爾和康奈爾大學的研究人員訓練了神經擬態晶片Loihi，讓它學習和識別10種有害化學物質的氣味。將來，這項技術可能使「電子鼻」和機器人能夠檢測武器、爆炸物、麻醉品甚至疾玻英特爾神經擬態晶片Loihi該團隊使用英特爾的神經擬態晶片Loihi設計了基於大腦嗅覺電路的算法。
  • 英特爾詳解計算趨勢:量子計算如何商業化?神經擬態計算如何提升性能?
    面對數位化、雲化的未來世界，底層的計算平臺正發生變革，全球科技巨頭們都爭相布局下一個十年的計算能力。12月4日，英特爾在2020年英特爾研究院開放日上，公布了集成光電、神經擬態計算、量子計算、保密計算、機器編程等前沿計算技術的最新進展並進行解析。
  • 英特爾詳解計算趨勢：量子計算如何商業化？神經擬態計算如何提升性能？
    面對數位化、雲化的未來世界，底層的計算平臺正發生變革，全球科技巨頭們都爭相布局下一個十年的計算能力。12月4日，英特爾在2020年英特爾研究院開放日上，公布了集成光電、神經擬態計算、量子計算、保密計算、機器編程等前沿計算技術的最新進展並進行解析。近日英特爾首席架構師Raja Koduri談道，英特爾的目標是讓每個人都能獲得百億億次級計算。
  • 國內6月規模以上工業增加值同比增4.8%;英特爾神經擬態計算開啟...
    3 【英特爾神經擬態計算開啟機器人」觸覺」感知，比人類的感覺神經系統快 1000 倍】 7月16日，新加坡國立大學(NUS)的兩名研究人員，同時也是英特爾神經擬態研究社區(INRC)的成員發表了最新研究結果，表明在機器人領域，與基於事件的視覺和觸覺感知相結合
  • ...神經擬態模數混合計算晶片行業的領軍者,開拓感存算一體架構晶片
    本期候選企業：深圳九天睿芯科技有限公司（下稱「九天睿芯」）。成立於2018年的九天睿芯，專注高能效神經擬態感存算一體晶片，同時提供高能效感存算一體（生物醫療、語音視覺加速等其他信號）晶片設計、軟體編譯配置等定製化服務。
  • 靠一種樣本學習多種氣味 神經擬態晶片拉近AI與人腦距離
    近日，一直致力於模仿人類五感的人工智慧又有新突破，通過神經擬態晶片，人工智慧已經掌握了丙酮、氨和甲烷等10種氣味的神經表徵，強烈的環境幹擾也不會影響它對氣味的準確識別。這項由英特爾研究院與美國康奈爾大學共同參與的研究成果，日前發表於《自然·機器智能》雜誌上。神經擬態即通過模擬人腦神經元的工作機制，讓計算機具備像人一樣的自然智能特性。
  • 神經擬態架構性能已達CPU 2000倍
    作為英特爾掌握未來核心技術的儲備軍，英特爾研究院負責突破性創新技術的研究，以及全球範圍內的交付，旨在追求互連、計算、內存等領域技術的「1000倍提升」。在圓桌環節，英特爾中國研究院院長宋繼強與英特爾在神經擬態計算、機器編程領域的技術專家進行連線，分享英特爾在這兩大前沿領域的技術研發細節。
  • Intel神經擬態系統支持1億個神經元:堪比小型哺乳動物
    Pohoiki Springs則是擴展Loihi架構的下一步，可用於評估解決AI問題以及一系列計算難題的潛力，與當今最先進的傳統計算機相比，擁有超級並行性和異步信號傳輸能力，可以在明顯降低功耗的同時顯著提升性能。
  • 宋繼強透露英特爾神經擬態和量子晶片進展
    會後，英特爾中國研究院院長宋繼強接受了網易智能等媒體的採訪，透露了英特爾在神經擬態晶片和量子晶片上的研發進展，同時談到了AI晶片的應用與未來發展。以下為宋繼強受訪實錄（經網易智能整理）：問：什麼是神經擬態計算，英特爾的神經擬態晶片進展如何？
  • 擁有「嗅覺」 的新神經算法晶片
    類似人類大腦的神經擬態晶片神經擬態計算一直被寄予厚望。就算摩爾定律終結，它仍能繼續帶領資訊時代向前。神經擬態計算可以大幅度提升數據處理能力和機器學習能力，更重要的是，神經擬態晶片比傳統晶片的能耗要低得多。神經擬態計算是英特爾為應對計算領域非結構化、有噪聲數據日益增加等挑戰而研發的新的計算機架構。應用神經科學的最新見解，來創造作用方式更類似於人腦的晶片而非傳統計算機的晶片。神經擬態系統在硬體層面上複製了神經元組織、通信和學習方式。
  • 神經擬態晶片可讓機器人擁有觸感，感知比人類快1000倍
    澎湃新聞記者 王心馨 實習生 何青怡機器人如果也能像人一樣能用皮膚去觸摸世界，並能通過晶片給出計算和反應，會是什麼樣？近日，新加坡國立大學（NUS）的研究人員利用英特爾神經擬態晶片Loihi開發了一種人造皮膚，能夠讓機器人以比人類感覺神經系統快1000倍的速度檢測觸覺，還可以比眨眼快10倍的速度識別物體的形狀、質地和硬度。
  • 英特爾公布五項新技術進展涉及機器編程、量子計算等
    鈦媒體12月4日消息，在今日的英特爾研究院開放日上，英特爾公布了其在集成光電、神經擬態計算、量子計算、保密計算、機器編程五項新技術進展。英特爾提出了「集成光電」願景，即將光互連I/O直接集成到伺服器和封裝中，對數據中心進行革新，實現1000倍提升，同時降低成本。
  • 什麼是神經擬態技術？可升級殘疾人機械臂，助他們完成日常生活
    、英特爾提供神經擬態技術以及Applied Brain Research（ABR）公司提供算法，以色列研究團隊整合多方技術來進行產品測試。與以往不同的是，這款機械臂配備了最新的神經擬態技術。 神經擬態技術什麼是神經擬態技術
  • 未來計算「加速度」
    當天，該研究院集成光電、神經擬態計算、量子計算、保密計算和機器編程等前沿領域的負責人悉數到場，揭秘了他們計劃開啟未來計算、致力於1000倍性能提升的諸多顛覆性研究。 拐點已至 2004年，英特爾提出了一個宏大的目標，讓光作為連接技術的基礎。
  • 神經擬態晶片可讓機器人擁有觸感，感知比人類快1000倍，智能時代
    原標題：神經擬態晶片可讓機器人擁有觸感，感知比人類快1000倍澎湃新聞記者 王心馨 實習生 何青怡機器人如果也能像人一樣能用皮膚去觸摸世界，並能通過晶片給出計算和反應，會是什麼樣？近日，新加坡國立大學（NUS）的研究人員利用英特爾神經擬態晶片Loihi開發了一種人造皮膚，能夠讓機器人以比人類感覺神經系統快1000倍的速度檢測觸覺，還可以比眨眼快10倍的速度識別物體的形狀、質地和硬度。他們的研究發表在新近一期的《機器人技術：科學與系統》雜誌上。
  • FEKO計算中減少內存的方法
    用FEKO軟體進行電磁仿真時，由於電磁仿真對計算資源的強烈需求，計算資源尤其是內存的大小極大的成為決定求解問題規模的約束條件。為了在已有的硬體計算條件下，解決儘量大的電磁問題，FEKO提供了一些減少內存的途徑，主要可分為二個層面，其一是算法層面的節約內存，其二是技巧層面的節約內存。本文引用地址：http://www.eepw.com.cn/article/259796.htm算法從算法上面來講，FEKO提供的有MoM，MLFMM，PO，UTD，FEM。