科學家開發(fā)出仿腦芯片，用于更高效的人工智能硬件，能耗降低70%。

劍橋大學的研究人員利用一種特殊的氧化鉿開發(fā)出了一種高性能憶阻器。

憶阻器是一種低能耗元件，它模擬我們大腦細胞的連接方式，有助于節(jié)約能量。

“為了解決這個問題，你需要電流極低、穩(wěn)定性極佳、開關周期和器件之間具有出色的均勻性，并且能夠在多種不同狀態(tài)之間切換的器件，”巴基特補充道。

節(jié)能芯片

傳統(tǒng)計算機芯片效率低下。這些芯片的大部分能量都消耗在內(nèi)存單元和處理器之間的數(shù)據(jù)傳輸上。這種數(shù)字通信會產(chǎn)生熱量并浪費電力。

我們的大腦并非如此運作。我們處理和存儲信息的地方是同一個地方：突觸。

劍橋團隊采用的技術正是利用一種特殊形式的氧化鉿來實現(xiàn)這一目標。

研究人員開發(fā)了一種神經(jīng)形態(tài)（受大腦啟發(fā)）芯片，該芯片使用穩(wěn)定的低功耗憶阻器，可在單個芯片上處理這兩項任務。

大多數(shù)憶阻器依賴于不可預測且不穩(wěn)定的“導電細絲”。

劍橋大學的研究團隊開發(fā)了一種更穩(wěn)定的替代方案，該方案采用鉿基薄膜。它取代了老式器件中不穩(wěn)定、高壓且容易斷裂的細絲，從而提供了一個平穩(wěn)可靠的開關接口。

該新型器件采用鍶和鈦來創(chuàng)建內(nèi)部 pn 結，從而起到平滑電子門的作用。

這種新型裝置并非依賴于混亂的結構變化，而是通過簡單地調(diào)節(jié)材料界面處的能量勢壘來控制電流。它具備大規(guī)模人工智能系統(tǒng)所需的精度和可靠性。

“絲狀器件存在隨機行為的問題，”巴希特說。“但由于我們的器件在界面處進行切換，因此它們在每次循環(huán)之間以及不同器件之間都表現(xiàn)出極佳的一致性。”

700°C 障礙

這項基于鉿的突破性技術通過使用比舊技術小一百萬倍的開關電流，降低了功耗。

此外，這項技術還支持數(shù)百個穩(wěn)定、不同的電流水平——這是高級模擬內(nèi)存計算所需的精確“多任務”能力。

實驗室測試證實，這些設備既耐用又像大腦一樣，能夠可靠地承受數(shù)萬次循環(huán)，并能保存數(shù)據(jù)約一天。

最重要的是，它們通過重現(xiàn)“脈沖時序依賴性可塑性”來模擬生物學習。這與我們自身神經(jīng)元根據(jù)傳入信號的時序來加強或減弱連接的過程相同。

“如果你想要能夠學習和適應的硬件，而不僅僅是存儲數(shù)據(jù)位，那么這些就是你需要的特性，”巴希特說。

盡管興奮不已，但終點線還有幾英里遠。

目前，該制造工藝需要700°C的溫度。這對于標準的半導體制造來說溫度太高了，因為半導體制造更傾向于在較低的溫度下進行，以避免熔化精密元件。

巴希特博士在去年 11 月取得突破之前，花了三年時間經(jīng)歷了“大量的失敗”，現(xiàn)在他正致力于降低溫度，使其與現(xiàn)代工廠生產(chǎn)線兼容。

如果他們能夠成功降低這個溫度，這項技術有望成為超低功耗人工智能硬件的顛覆性解決方案。

該設備可將能耗降低 70%，同時提供大規(guī)模、類腦計算所需的穩(wěn)定性和適應性。