http://phys.org/news/2016-08-ibm-scientists-imitate-functionality-neurons.html
August 3, 2016
IBM 科學家利用相變化（phase-change）材料創造出隨機的脈衝神經元（spiking neurons）以儲存與處理資料。在認知運算（cognitive computing）的應用裡，這個示範代表，在具有能源效益、超密集整合式仿神經形態技術（integrated neuromorphic technologies）的開發上向前邁出重要的一步。
受到生物腦運作方式的啟發，科學家在幾十年前就提出理論表示，我們應能模擬出一大群神經元多才多藝的運算能力。然而到目前為止，要完成能與生物學上的相比的「腦」，在密度與功率消耗上仍是一大挑戰。
"在記憶應用上，我們研究相變化材料已超過十年，而我們在過去 24 個月的進展不同凡響，" IBM 研究員 Evangelos Eleftheriou 表示。"在這期間，我們發現並發表新的記憶技術，包括投射式記憶體（projected memory）、首度在相變化記憶體的每個 cell 中儲存 3 bits 的資訊，而現在我們證明了基於相變化之人工神經元的強大運算能力，那能夠進行各種運算義元（computational primitives，運算基本概念），例如資料相關性偵測，在使用非常少的能源下以高速進行非監督式學習（unsupervised learning）。"
在蘇黎世的 IBM 科學家所設計的人工神經元由相變化材料組成，包括鍺銻碲化物（germanium antimony telluride），那展現出二種穩定態，一種是非晶的（amorphous，沒有明確的結構）另一種是結晶的（crystalline，有結構）。這些材料是可覆寫藍光光碟的基礎。然而，人工神經元不能儲存數位資訊 -- 它們是類比的，就如同我們生物腦中的突觸與神經元。
在所發表的證明中，該團隊施加一系列的電脈衝到這些人工神經元上，那導致相變化材料逐漸結晶化，最終導致神經元「發射」。在神經科學中，這種功能被稱為生物學神經元的整合與激發（integrate-and-fire）特性。這是事件導向運算的基礎，而且，在原則上，這類似於當我們碰到某種燙手的東西時，我們腦部所觸發的反應。
利用這種 integrate-and-fire 特性，即便是單一神經元都能用來在一連串事件導向的資料流當中，即時偵測模式（patterns）並發現相關性。例如，在物聯網（Internet of Things，IoT）中，感應器能在邊界收集與分析一堆天氣資料用以進行更快速的天氣預測。這種人工神經元能用於偵測金融交易中的模式，來尋找異常，或使用來自社群媒體的資料即時尋找新的文化趨勢。而一大群這種高速、低耗能、奈米級的神經元，也能用於仿神經形態輔助處理器，那協同記憶與處理單元運作。
IBM 科學家已組織了數百個人工神經元，並用它們來呈現快速且複雜的訊號。此外，這些人工神經元已證明能經得起數十億次的切換週期，那相當於以 100 Hz 的更新頻率持續運作好幾年。每個神經元所需要的能量少於 5 picojoule（微微焦耳），而平均功率少於 120 microwatts（微瓦特），相較之下，一個 60 瓦特的燈泡，相當於 6000 萬微瓦特。
"隨機相變化神經元（stochastic phase-change neurons）的族群結合其他奈米級的運算元件，例如人工突觸，在新世代超密集仿神經形態運算系統的創造上，將會是關鍵推動者（key enabler），" Tomas Tuma 表示，論文的共同作者。
※ 相關報導：
＊ Stochastic phase-change neurons
http://www.nature.com/nnano/journal/v11/n8/full/nnano.2016.70.html
Tomas Tuma, Angeliki Pantazi, Manuel Le Gallo,＊ 頭腦晶片？神經運算？神經電腦？
Abu Sebastian, Evangelos Eleftheriou.
Nature Nanotechnology 11, 693–699 (2016)
doi: 10.1038/nnano.2016.70
＊ 改寫教課書：新發現挑戰神經元如何運作的傳統智慧
＊ 新生腦細胞會消除舊記憶
＊ 科學家以 DNA 創造出第一個人造神經網路
＊ 突觸電晶體邊運算邊學習
＊ 迅速變化的材料突破電腦的矽速度限制
沒有留言:
張貼留言