得益于加利福尼亞大學圣地亞哥分校研究人員開發(fā)的新型人工神經元設備，訓練神經網絡執(zhí)行諸如識別圖像或駕駛自動駕駛汽車等任務的一天可能需要較少的計算能力和硬件。該設備可以使用比現(xiàn)有的基于CMOS的硬件少100到1000倍的能量和面積來運行神經網絡計算。

研究人員在3月18日發(fā)表在《自然納米技術》上的一篇論文中報告了他們的工作。

神經網絡是一系列連接的人工神經元層，其中一層的輸出提供了下一層的輸入。通過應用稱為非線性激活函數的數學計算來完成輸入的生成。這是運行神經網絡的關鍵部分。但是應用此功能需要大量的計算能力和電路，因為它涉及在兩個獨立的單元(內存和外部處理器)之間來回傳輸數據。

現(xiàn)在，加州大學圣地亞哥分校的研究人員已經開發(fā)出一種納米尺寸的設備，可以有效地執(zhí)行激活功能。

加州大學圣地亞哥分校雅各布斯工程學院的電氣和計算機工程學教授Duygu Kuzum說：“隨著神經網絡模型變得越來越大和越來越復雜，硬件中的神經網絡計算效率越來越低。“我們開發(fā)了單個納米級人工神經元設備，該設備以非常節(jié)省面積和能源的方式在硬件中實現(xiàn)了這些計算。”

這項新的研究由庫祖姆(Kuzum)和她的博士領導。學生Sangheon Oh，是與加州大學圣地亞哥分校物理學教授Ivan Schuller領導的能源部能源前沿研究中心合作完成的，該中心致力于開發(fā)節(jié)能型人工神經網絡的硬件實現(xiàn)。

該設備實現(xiàn)了神經網絡訓練中最常用的激活功能之一，稱為整流線性單元。此功能的特別之處在于，它需要可以逐漸經受阻力變化的硬件才能正常工作。這正是加州大學圣地亞哥分校的研究人員設計的設備要做的事情-它可以逐漸從絕緣狀態(tài)切換到導電狀態(tài)，并且在一點點熱量的幫助下就可以做到這一點。

此開關稱為Mott過渡。它發(fā)生在納米薄的二氧化釩層中。在該層上方是由鈦和金制成的納米線加熱器。當電流流過納米線時，二氧化釩層會緩慢加熱，從而導致從絕緣到導電的緩慢受控開關。

該研究的第一作者Oh表示：“這種設備架構非常有趣且具有創(chuàng)新性。” 他解釋說，通常，處于Mott過渡狀態(tài)的材料會經歷從絕緣到導電的突然轉換，因為電流直接流過材料。“在這種情況下，我們使電流流經材料頂部的納米線以加熱它，并引起非常逐漸的電阻變化。”

為了實現(xiàn)該裝置，研究人員首先制造了這些所謂的激活(或神經元)裝置的陣列以及突觸裝置陣列。然后，他們將這兩個陣列集成在定制的印刷電路板上，并將它們連接在一起，以創(chuàng)建神經網絡的硬件版本。

研究人員使用網絡來處理圖像，在這種情況下，是圣地亞哥加州大學蓋塞爾圖書館的照片。網絡執(zhí)行了一種稱為邊緣檢測的圖像處理，可以識別圖像中對象的輪廓或邊緣。該實驗表明，集成硬件系統(tǒng)可以執(zhí)行卷積運算，這對于許多類型的深度神經網絡都是必不可少的。

研究人員說，該技術可以進一步擴大規(guī)模，以完成更復雜的任務，例如自動駕駛汽車的面部和物體識別。Kuzum指出，在業(yè)界的興趣和合作下，這有可能發(fā)生。

庫祖姆說：“目前，這是一種概念證明。” “這是一個很小的系統(tǒng)，其中我們僅將一個突觸層與一個激活層堆疊在一起。通過將更多的這些堆疊在一起，您可以為不同的應用創(chuàng)建一個更復雜的系統(tǒng)。”