《能存储并处理数据的蜂蜜忆阻器问世 有助开发环保型神经形态计算机系统》

  • 来源专题:中国科学院文献情报制造与材料知识资源中心—领域情报网
  • 编译者: 冯瑞华
  • 发布时间:2022-04-07
  • 美国华盛顿州立大学工程师在《物理学杂志D》上发表论文称,他们利用蜂蜜研制出了一款忆阻器。这是一种类似于晶体管的组件,不仅可处理数据,还可存储数据。未来,他们或许能将数以百万计或数十亿计的蜂蜜忆阻器整合在一起,创建出一款功能与人脑非常相似的神经形态计算机系统。

      研究人员解释说,传统计算机系统基于冯·诺依曼体系结构,包括输入、输出设备、中央处理器以及存储器等,所有信息的输入、输出和处理过程需要消耗大量能量,如日本“富岳”超级计算机的运行功率超过28兆瓦,而大脑的运行功率仅为10—20瓦。此外,人脑拥有1000多亿个神经元,还有1000万亿个连接这些神经元的突触,每个神经元都可以处理和存储数据,这使人脑比传统计算机效率更高,神经形态计算机旨在模拟人脑,其比传统计算机运行速度更快、功耗更低,因此被誉为计算的未来。

      包括英特尔和IBM在内的几家公司已经发布了神经形态芯片,尽管每款芯片拥有超过1亿个“神经元”,但与人脑中神经元的数量相比相形见绌。此外,许多开发者仍在使用一些不可再生的有毒材料开发这样的设备。鉴于此,本研究通讯作者、工程与计算机科学学院副教授赵峰(音译)等人一直在为这种新型计算机寻找可生物降解和可再生的解决方案,最终发现了蜂蜜的潜力。

      在最新研究中,赵峰团队将蜂蜜加工成固体并夹在两个金属电极之间,制造出这款微米尺度的蜂蜜忆阻器,他们计划进一步缩小尺寸到纳米尺度,并将数百万甚至数十亿蜂蜜忆阻器整合在一起,形成一个完整的神经形态计算系统。

      赵峰说:“蜂蜜不易变质,水分浓度非常低,因此细菌无法在其中生存,这意味着这些计算机芯片将在很长一段时间内保持稳定。而且,新开发出的蜂蜜忆阻器芯片应该能耐受神经形态系统产生的较低热量。此外,它还将减少电子垃圾——要处理用蜂蜜制成的电脑芯片设备时,将它们溶解在水中就行。”

相关报告
  • 《忆阻器的重新审视》

    • 来源专题:纳米科技
    • 编译者:郭文姣
    • 发布时间:2018-05-17
    • 技术创新既需要对过去的理解,也需要对未来有清晰的展望——正如memristive devices的发展所阐明的那样。 这个月标志着惠普实验室的研究人员报告了10年。乍一看,他们的单片纳米级记忆装置就像一个普通的双端电阻,但仔细观察就能发现更复杂的东西。横截面视图显示设备的三层:一层由二氧化钛夹在两个铂电极之间的“存储”层。这种内部存储层可以通过电刺激进行动态的重新配置,这种重构会产生一种记忆效应,设备的阻力取决于流经它的电流的历史。至关重要的是,一旦电源被移除,这个程序状态就不会消失。这种无源器件的功能不能被任何基本的双端电路元件(电阻、电容和电感器)的任何组合所复制,因此,它被标记为丢失的电路element2。 忆阻器的历史是迷人的,而且是长久的。在本期《自然电子》(Nature Electronics)杂志的逆向工程专栏文章中,Leon Chua解释了如何在1964年的普渡大学(Purdue University)修改过时的电路分析课程,让他第一次提出了这个装置。在1971年,Chua报告了他对一种装置的预测,这种装置的行为就像一个带有记忆的非线性电阻,然后他将其称为记忆体(记忆和电阻器的收缩)。37年后,由r·斯坦利·威廉姆斯(R. Stanley Williams)领导的惠普实验室(Hewlett Packard Labs)的团队将他们的实验观察与Chua的理论预测联系在一起,发现了第四种基本电路元素。 虽然这个基本的叙述——一个长期的理论概念和实验确认的例子——是有吸引力的,但记忆装置的历史更复杂。对非易失性的电阻转换的研究——换句话说,是记忆性行为——早在1960年就开始了。值得注意的是,对这种行为的研究可以追溯到1800s4早期,因此比电阻器(1827年的欧姆)和电感器(1831年的法拉第)都早。 一项新兴技术最初被抛弃或遗忘的原因可能有很多。对早期的记忆技术来说,时机很可能是一个问题:20世纪70年代,硅技术和数字计算革命取得了巨大进展。只要硅技术继续取得重大进展,人们就不太可能把注意力集中在记忆技术上。 最近,硅技术的进步已经减弱,对记忆技术的兴趣也在增强。魏鲁和他的同事们在基于记忆系统的电子产品的未来上撰文指出,记忆技术可以在三个方面有所帮助:芯片内存和存储,内存计算,以及生物激发的计算。以电阻性随机存取存储器的形式,密集封装的memristive devices可以直接集成在处理器芯片上。这样的配置可以通过消除处理器和内存之间的缓慢和能量密集型的芯片外通信来提高整体的能源效率和计算速度。内存中的计算采用了将处理器和内存之间的通信减少到极点的想法,创建了在计算和内存之间没有物理分离的系统。通过神经形态计算系统,记忆装置被设计成模拟生物突触和神经元。 正如鲁和他的同事所解释的那样,记忆装置具有许多对电子产品有利的特性。它们可以按比例缩小到低于10 nm的特征尺寸,保持记忆状态数年,并使用纳秒级的时间尺度转换。此外,这些设备可以提供长时间的写擦力,并且可以使用低电流的水平来编程(关于纳米安培的顺序)。然而,作者也承认,将上述所有属性结合起来的单一材料系统仍然难以捉摸。 对于任何设备的技术开发来说,关键是要了解管理其操作的底层流程。在设备层面,近年来已经获得了相当多的关于内存转换的见解,主要是由于开发了高级的特性工具,可以探测驱动转换的过程。在这一期的一篇评论文章中,Yuchao Yang和Ru Huang研究了在氧化物记忆电阻器中用于描述记忆转换的不同技术,并基于每种方法的相对优势和弱点,提出了对这些器件进行物理表征的一般框架。 对记忆行为的研究超越了威廉姆斯及其同事在惠普实验室的工作,而对过去的了解当然是研究中必不可少的。但观察(或重新观察)的价值是什么,却没有意义?威廉姆斯和他的同事们,以蔡美儿37年前的富有想象力的洞察力为基础,重建了记忆技术,并激发了新一代的研究人员去追求这项技术。在2008年的论文中,惠普实验室的研究小组建议,记忆电阻器可以用来传递诸如“ultradense,半非易变的记忆和学习网络,需要类似突触的功能”的应用。今天,这些应用程序exist5。它往往既是对过去的理解,也是推动创新的未来的清晰愿景。
  • 《基于计算机的天气预报:新算法优于大型计算机系统》

    • 来源专题:物理海洋学知识资源中心
    • 编译者:张灿影
    • 发布时间:2020-02-24
    • 在过去,我们已经看到了摩尔定律所预测的信息处理能力的恒定加速率,但现在看来,这种指数增长率似乎是有限的。新的发展依赖于人工智能和机器学习,但相关的过程基本上不为人所知和理解。很多机器学习方法,比如非常流行的深度学习,都非常成功,但却像黑匣子一样工作,这意味着我们不知道到底发生了什么。想了解人工智能是如何工作的,并更好地理解其中的联系。德国美因茨大学(JGU)和意大利斯维扎拉大学(USI)研究员一起开发了一种低成本、高可靠性的复杂计算技术。这种方法能够在标准PC机上执行以前需要超级计算机的任务。除了天气预报之外,这项研究还发现了许多可能的应用,例如在生物信息学、图像分析和医学诊断中解决分类问题。 基于乐高原理,复杂的系统被分解成离散的状态或模式。只使用少数的模式,就可以分析大量数据,并预测它们未来的行为。例如,使用可伸缩概率近似算法,我们可以基于数据对欧洲未来一天的地表温度进行预测,预测误差只有0.75摄氏度,错误率是气象部门通常使用的计算机系统的40%,同时也便宜得多。 可伸缩概率近似是基于数学的概念。该方法可应用于需要自动处理大量数据的各种情况,例如在生物学中,我们可以了解细胞的分类特征。另一个潜在的应用领域是神经科学,脑电信号的自动分析可以成为评估大脑状态的基础。它甚至可以用于乳腺癌的诊断,因为乳腺摄影图像可以被分析以进行乳腺癌预测。此外,可伸缩概率近似算法还可以应用于许多其他领域,从洛伦兹模型到水中氨基酸的分子动力学。与目前最先进的超级计算机相比,这个过程更容易、更便宜,结果也更好。 相关论文链接:https://advances.sciencemag.org/content/6/5/eaaw0961 (郭亚茹 编译;於维樱 审校)