憶阻器解決人工智能的用電問(wèn)題

所有智能計(jì)算只消耗1/800的能量。

模仿神經(jīng)元間突觸的憶阻器件可以作為神經(jīng)網(wǎng)絡(luò)的硬件，幫助神經(jīng)網(wǎng)絡(luò)復(fù)制大腦學(xué)習(xí)的方式。現(xiàn)在，兩項(xiàng)新的研究也許能夠幫助解決這些組件在生產(chǎn)、可靠性以及獲取更廣泛應(yīng)用方面的關(guān)鍵問(wèn)題。

在電源關(guān)閉后，憶阻器和相關(guān)的憶阻器件能夠記住切換的電氣狀態(tài)。它們可以用于計(jì)算和存儲(chǔ)數(shù)據(jù)，大大減少在處理器和內(nèi)存之間來(lái)回傳輸數(shù)據(jù)所消耗的能量和時(shí)間。這種腦啟發(fā)式硬件又稱神經(jīng)形態(tài)硬件，也許還能夠成為實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)的理想選擇，比如將人工智能（AI）系統(tǒng)用于醫(yī)學(xué)數(shù)據(jù)分析和自動(dòng)駕駛車輛導(dǎo)航等應(yīng)用。

目前的憶阻器件存在成品率低和性能不可靠的問(wèn)題。為了幫助克服這些挑戰(zhàn)，以色列和中國(guó)的研究人員通過(guò)在標(biāo)準(zhǔn)互補(bǔ)金屬氧化物半導(dǎo)體（CMOS）生產(chǎn)線上制造憶阻器件，實(shí)現(xiàn)了這一目標(biāo)，達(dá)到了100%的成品率。他們制成的硅突觸處理乘法累加運(yùn)算（神經(jīng)網(wǎng)絡(luò)中最基本的功能）的能效是高性能英偉達(dá)Tesla V100圖形處理單元的350倍。

科學(xué)家開(kāi)發(fā)新器件使用的是商業(yè)閃存中的浮柵晶體管技術(shù)。傳統(tǒng)的浮柵晶體管有3個(gè)端子，而新器件只有2個(gè)端子，這大大簡(jiǎn)化了生產(chǎn)和操作流程，縮小了器件尺寸。此外，該研究的資深作者、以色列理工學(xué)院電氣與計(jì)算機(jī)工程副教授沙哈爾?科瓦丁斯基（Shahar Kvatinsky）說(shuō)，這些器件只有二進(jìn)制輸入和輸出，不需要神經(jīng)形態(tài)硬件中常用的大型高耗能模數(shù)轉(zhuǎn)換器和數(shù)模轉(zhuǎn)換器。

新器件能夠承受電壓脈沖超過(guò)10萬(wàn)次的編程和擦除，而且它們只顯示出適度的器件差異，預(yù)計(jì)能保存數(shù)據(jù)10年以上。

研究人員采用約由150個(gè)組件組成的陣列，僅使用二進(jìn)制信號(hào)，實(shí)現(xiàn)了一種神經(jīng)網(wǎng)絡(luò)。在試驗(yàn)中，它識(shí)別手寫數(shù)字的準(zhǔn)確率達(dá)到約97%。科瓦丁斯基說(shuō)，這項(xiàng)工作“只是一個(gè)開(kāi)始，是概念證明，還不是一個(gè)完整的芯片或大型神經(jīng)網(wǎng)絡(luò)。集成和擴(kuò)展將是一項(xiàng)重大挑戰(zhàn)。”

在另一項(xiàng)研究中，法國(guó)的一組研究人員使用憶阻器進(jìn)行貝葉斯推理，在這種技術(shù)中，先驗(yàn)知識(shí)幫助計(jì)算某一不確定選擇為正確的概率。許多人工智能計(jì)算都是幾乎無(wú)法理解的，但法國(guó)的系統(tǒng)卻可以充分解釋，這意味著，人們可以用它提出改進(jìn)方法。它可以結(jié)合專家知識(shí)，即使沒(méi)有可用數(shù)據(jù)，也能表現(xiàn)很好。即便如此，“如何使用憶阻器來(lái)計(jì)算貝葉斯推理仍不明顯。”該研究的合著者、巴黎-薩克雷大學(xué)和法國(guó)國(guó)家科學(xué)研究中心的研究科學(xué)家達(dá)米恩?克雷奧茲（Damien Querlioz）說(shuō)。

使用傳統(tǒng)電子設(shè)備執(zhí)行貝葉斯推理需要復(fù)雜的記憶模式，“這會(huì)隨著觀察次數(shù)的增加呈指數(shù)級(jí)增長(zhǎng)。”未參加這兩項(xiàng)研究的蘇黎世神經(jīng)信息學(xué)研究所神經(jīng)形態(tài)學(xué)科學(xué)家梅里卡?佩凡德（Melika Payvand）說(shuō)。不過(guò)，她指出，克雷奧茲和他的同事“找到了一種簡(jiǎn)化方法”。

科學(xué)家改寫了貝葉斯方程式，使憶阻器陣列能夠?qū)﹄S機(jī)性進(jìn)行統(tǒng)計(jì)分析，也稱為隨機(jī)計(jì)算。使用這種方法，陣列在時(shí)鐘嘀嗒聲中生成半隨機(jī)比特流。這些比特通常是0，但有時(shí)是1。0與1的比例編碼成為陣列執(zhí)行統(tǒng)計(jì)計(jì)算所需的概率。與非隨機(jī)方法相比，這種數(shù)字方法使用相對(duì)簡(jiǎn)單的電路，這些策略縮小了系統(tǒng)的體積并降低了能量需求。

研究人員制作的原型電路在同一芯片的30 080個(gè)互補(bǔ)金屬氧化物半導(dǎo)體晶體管上結(jié)合了2048個(gè)氧化鉿憶阻器。在試驗(yàn)中，新電路利用戴在手腕上的設(shè)備所發(fā)出的信號(hào)來(lái)識(shí)別人的手寫簽名。

通常認(rèn)為，使用傳統(tǒng)電子設(shè)備進(jìn)行貝葉斯推理的計(jì)算成本很高。新電路只需傳統(tǒng)計(jì)算機(jī)處理器1/800到1/5000的能量，即可進(jìn)行手寫識(shí)別。這表明，“憶阻器在實(shí)現(xiàn)低能耗人工智能方面極有希望。”克雷奧茲說(shuō)。

新的器件還可以立即打開(kāi)和關(guān)閉，這意味著，為了節(jié)省電力，可以只在需要時(shí)調(diào)用它。研究人員還說(shuō)，它對(duì)隨機(jī)事件也有容錯(cuò)性，這使它在極端環(huán)境中很有用。總而言之，新電路“擅長(zhǎng)應(yīng)用在對(duì)安全性要求極高的場(chǎng)景，這種場(chǎng)景中存在高度的不確定性，可用數(shù)據(jù)很少，需要作出可解釋的決定。”克雷奧茲說(shuō)，“例如醫(yī)用傳感器或工業(yè)設(shè)施安全監(jiān)測(cè)電路。”

貝葉斯系統(tǒng)面臨的一個(gè)關(guān)鍵障礙是如何擴(kuò)大規(guī)模，處理更大的問(wèn)題或網(wǎng)絡(luò)。克雷奧茲指出，該團(tuán)隊(duì)現(xiàn)在正在規(guī)模化制造該器件。他表示，他們的電路目前專門用于特定類型的貝葉斯計(jì)算，他們希望未來(lái)的設(shè)計(jì)能夠擁有更強(qiáng)適應(yīng)性。

這兩項(xiàng)研究都發(fā)表在2022年12月19日的《自然?電子學(xué)》雜志上。