神经形态计算的新方法:人造神经元计算速度超过人脑

来源:科学网

编辑:张章

转载编辑:张乾

【新智元导读】一种以神经元为模型的超导计算芯片,能比人脑更高效快速地加工处理信息。近日刊登于《科学进展》的新成果,或许将成为科学家们开发先进计算设备来设计模仿生物系统的一项主要基准。尽管在其商用之前还存在许多障碍,但这项研究为更多自然机器学习软件打开了一扇大门。

当下,人工智能软件越来越多地开始模仿人类大脑。而诸如谷歌公司的自动图像分类和语言学习程序等算法也能够利用人工神经元网络执行复杂的任务。但因为常规的计算机软件不能被设计运行类似大脑的算法,因此相比人类大脑而言,这些机器学习就需要更高的运算能力。

“肯定会有更好的方法来做这些,因为大自然都能够找到更好的办法。”该研究合作者、美国国家标准与技术研究所(NIST)物理学家Michael Schneider表示。

NIST是若干希望开发出能够模拟人类大脑的神经形态硬件,同时希望这种神经形态硬件能更有效地运行大脑样软件的团队之一。在常规的电子系统中,晶体管常常会以一定的间隔和精确的数量处理信息(二进制数字0或1)。但神经形态硬件则能够从多个来源积累少量信息,并且改变这些信息使其产生一种不同类型的信号,并在需要的时候发射一股电流,就好像神经元放电那样。因此这种神经形态硬件需要更少的能量运行。

然而这些设备至今还是无效的,尤其当晶体管需要跨越间隙或突触来传递信息时,因此,Schneider团队利用铌超导体制造出了神经元样的电极,其可以在无阻力的情况下进行导电。随后,研究人员利用数千个磁性锰纳米晶簇填补超导体的空隙。

通过改变突触中磁场的数量,这些纳米晶簇就可以在不同方向上对齐。这就能让该系统在电力水平和磁性方向上对信息进行编码,从而赋予该系统比其他神经形态系统更强大的计算能力,同时不会占据额外的物理空间。

这些突触每秒可以放电10亿次,比人类神经元的速度快几个数量级,同时该系统消耗的能量仅为生物性突触的万分之一。在计算机模拟过程中,在传递到下一个电极之前,合成神经元就能通过最多9个来源核对输入信息。但当基于该技术的系统用于复杂计算之前,需要成千上万个突触,Schneider表示,是否能够扩大到这个水平还有待进一步研究分析。

另外一个问题是,该突触只能在接近绝对零度的温度下运行,同时需要用液氮来冷却。英国曼彻斯特大学计算机工程师Steven Furber指出,这可能就会使芯片在小型设备中变得不实用,尽管大型数据中心可能能够对其进行维护。但Schneider表示,相比操作一个具有相当数量计算能力的传统电子系统而言,对该设备进行冷却或许需要更少能源。

美国加州理工学院电气工程师Carver Mead赞扬了这项研究,并将其称之为神经形态计算的新方法。“目前在该领域中充满了炒作,我们很高兴能够看到精细工作能以客观的方式呈现出来。”他说,但在芯片真正用于计算领域之前或许还需要一段很长的时间,而且,目前还存在来自许多其他神经形态计算设备的激烈竞争和挑战。

Furber还强调,这种新型设备的实际应用前景非常广阔。“这种设备技术也非常有趣,但如今我们还不能充分了解这些生物突触的关键特性,也并不知道如何更加有效地利用它们。”他说,例如,目前人们仍有许多问题需要解决,即当记忆形成过程中这些突触如何重塑自己?这就使得研究人员很难在记忆存储芯片中重建这个过程。

尽管如此,Furber表示,一种新型计算设备进入市场需要10年甚至更长时间,即便神经科学家很难理解人类大脑,但他们非常有必要开发出尽可能多的不同的技术手段。

论文地址:

http://advances.sciencemag.org/content/4/1/e1701329

原文发布于微信公众号 - 新智元(AI_era)

原文发表时间:2018-02-07

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏镁客网

关键技术梳理,告诉你AR并没有那么神秘

28260
来自专栏媒矿工厂

广播电视拥抱人工智能

最近几年人工智能(AI)领域出现了许多令人惊叹的发展。尽管如此,AI仍然是一个容易被炒作和误解的术语。

45450
来自专栏专知

【前沿】人工智能系统的四大趋势与九大挑战,美国Berkeley14位重量级学者(包含机器学习泰斗Jordan)最新观点

【导读】最近,加州大学伯克利分校大学的大牛们针对目前AI的火爆形势,又总结了一篇《A Berkeley View of Systems Challenges f...

1.2K60
来自专栏PPV课数据科学社区

学习攻略 | 数据分析师学习路线图

数据分析师Data analyst:指熟悉相关业务,熟练搭建数据分析框架,掌握和使用相关的分析常用工具和基本的分析方法,进行数据搜集、整理、分析,针对数据分析结...

54040
来自专栏CSDN技术头条

谷歌工智能开源项目Tensorflow预示着硬件领域的重大变革

谷歌宣布将其最重要的创新项目之一 —— 人工智能引擎 ——作为开源项目发布到网上供大家免费使用,这展示了计算机软件行业正进行着什么样的变革。 最近,互联网巨头们...

217100
来自专栏CDA数据分析师

AI 公司应聘全面指南 | 从构建关系网到面试最后一问

过去 8 个月里,我参加了谷歌 DeepMind、Wadhwani 人工智能研究所、微软、Ola、Fractal Analytics 等多家公司的面试,应聘数据...

10120
来自专栏SDNLAB

应用驱动网络(ADN)开启用户体验新时代

未来网络的核心挑战是如何解决网络架构制约商业模型创新的问题。 运营商的收益依赖于用户规模,用户增长面临瓶颈。互联网最初架构的思想就是为了流量而建网,并不考虑不...

42090
来自专栏镁客网

黑科技 | MIT发现新型材料,真正意义上的量子计算机可能不远了

16200
来自专栏AI研习社

回到终端:AI 促进分布式智能落地

在这一部分中,我们将探讨人工智能是如何推动这两个转变:边缘处理的复苏,以及新处理架构的到来。

13930
来自专栏镁客网

这款DNA机器人,可以帮你分拣身体中的生物垃圾 | 黑科技

20900

扫码关注云+社区

领取腾讯云代金券