做网站服务器还是虚拟空间好,我有域名和云服务器怎么做网站,wordpress c,商场装修设计原作 Jennifer ChuRoot 编译自 MIT News量子位 出品 | 公众号 QbitAI论传递信息的能力#xff0c;计算机的二进制目前还比不上人脑。因为大脑神经元之间传递的信号形式远多过0或1两种#xff1a;根据突触#xff08;神经元之间的结构#xff09;间不同的神经递质#xff0… 原作 Jennifer ChuRoot 编译自 MIT News量子位 出品 | 公众号 QbitAI论传递信息的能力计算机的二进制目前还比不上人脑。因为大脑神经元之间传递的信号形式远多过0或1两种根据突触神经元之间的结构间不同的神经递质不同的浓度下游神经元可以拿到不一样的信号。神经形态计算领域的研究人员希望能找到一种造出类脑的芯片可多层次地传递信息。一旦有了多层次的信号传递方式那么很小的一块神经形态芯片就能匹敌现在的超算毫不费力地并行运算海量数据。前两天MIT电子与微系统技术实验室的Jeehwan Kim教授在《自然》材料子刊发表了一篇论文SiGe epitaxial memory for neuromorphic computing with reproducible high performance based on engineered dislocations。△ MIT电子与微系统技术实验室的Jeehwan Kim教授Kim教授和他的研究团队设计出一种材料为硅鍺的人工突触芯片可以精确地控制电流的强度就像神经元可以定量释放多少神经递质一样。论文中显示这款人工突触芯片已经可以支持识别手写字体的机器学习算法准确率达到95%。尽管低于现有的芯片的基准表现97%不过依然相当promising。可以说这篇文章的研究工作奠定了未来神经形态芯片的发展基础。以后我们的移动设备可能得靠这种芯片来支持图像识别和其他机器学习任务了。又考虑到移动设备有限的续航能力这芯片不光要体积小还得低耗才行。能快速运算AI算法便携低耗是未来市场对这种芯片的基础要求。待解决的难题太多条“路”可以走Kim教授说现有的大部分神经形态芯片都尝试模仿神经突触将两个可导电的层用另一种纤维介质分隔开。由于所用的介质材料是非晶态的电子可以朝所有可能的方向跑像弹珠机一样。即使人工突触的空间结构是模仿出来了却无法精准控制“递质释放的浓度”——电流的强度。控制不了电流的强度那么所携带的信息也就复现不了。这就是人工突触芯片面临的最大难题缺乏信息传递的一致性。完美的不匹配为了解决这个问题Kim研究团队锁定了一种由连续排列的原子组成的无缺陷导电材料单晶硅。这样就可以准确预测电子的流动了。后来进一步研究发现硅锗的晶格稍大于硅的晶格这两种完全不匹配的材料可以形成漏斗状的错位反而能形成单一的离子流通路径。这个由硅锗制成的人工突触芯片每个“突触”间隙约25纳米。实验中对每个突触施加电压发现所有突触都表现出差不多的电流不同突触之间的差异大概为4。与由非晶态的材料制成的“突触”相比电流强度大小更可控。对单个“突触”的700次重复施电压实验中“突触”所输出的电流都是相同的偏差均在1。Kim说“这是我们目前能够达到的电流强度最一致的芯片了。”对于提高未来人工神经网络性能来说这工作迈出了很关键的一步。识别手写数字的表现电流强度是控制得不错了那么和现有的冯诺依曼结构的芯片比计算性能表现怎么样Kim团队给这种芯片布置了一个机器学习的任务识别手写数字。这是人工突触芯片的第一次实际测试。例如当一个输入是手写的“1”输出标记为“1”时不仅会有输出神经元被输入神经元激活还会收到人造突触权重的影响。如果输入神经元感知到不同样本之间可能存在某些同一个字母的相似特征时你可以想象为更多的手写“1”的例子输入同一个芯片时相同的输出神经元就被激活和我们大脑的学习过程一样。最后这种硅鍺材质的人工突触芯片表现还不赖手写数字识别准确率为95%略微低于现在的基准线97%。Kim团队希望他们的研究工作可以为以后制造拥有超算能力、却和指甲一样大的芯片打些基础。这项研究已经得到了美国国家科学基金会的部分支持。最后附论文地址https://www.nature.com/articles/s41563-017-0001-5未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能互联网和脑科学交叉研究机构。由互联网进化论作者计算机博士刘锋与中国科学院虚拟经济与数据科学研究中心石勇、刘颖教授创建。未来智能实验室的主要工作包括建立AI智能系统智商评测体系开展世界人工智能智商评测开展互联网城市云脑研究计划构建互联网城市云脑技术和企业图谱为提升企业行业与城市的智能水平服务。 如果您对实验室的研究感兴趣欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
