Redian新闻
>
超高效人工光电神经元成真?速度比自然神经元快3万倍,研究登Nature子刊

超高效人工光电神经元成真?速度比自然神经元快3万倍,研究登Nature子刊

公众号新闻

选自spectrum.ieee

作者:Charles Q. Choi

机器之心编译

编辑:高楷

AI 系统越来越受限于为实现其功能的硬件。现在,一种新的超导光子电路问世,它可模拟脑细胞之间的连接。这仅需消耗人类具有同类功能细胞能量的 0.3% ,而运行速度却可提高约 30000 倍。


在人工神经网络中,被称之为神经元的诸多组件被植入数据并协同来解决诸如人脸识别等问题。神经网络反复调整相互间的突触——一种神经元之间的连接,确定由此产生的行为模式是否为更佳的解决方案。但随着时间推移,神经网络最终会在计算的结果中发现最佳的行为模式。而后它会选取这些模式作为默认值,模仿人脑的学习过程。

尽管 AI 系统被逐步发掘更多真实世界中的应用,但鉴于用于驱动其运行的硬件局限性,它们仍面临诸多重大挑战。为了解决这个问题,研究人员已经开发出了受人脑启发的神经形态计算机硬件。

例如,神经形态的微芯片组件可能仅会在一定时间内接受到特定数量的输入信号时,才可能发出尖峰信号或者生成一种输出信号。这是一种更接近模拟真实生物神经元行为方式的策略。与典型的人工神经网络相比,这些设备仅发出极少的尖峰信号,因此所处理的数据将会少得多,同时原则上所需功率和通信带宽会小很多。

然而,神经形态硬件通常使用传统电子设备,这最终会限制它们可实现的复杂功能和信号传递速度。举例来说,每个生物神经元都可以拥有数万个突触,但神经形态设备很难将它们的人工神经元相互连接起来。对此,一种有效的解决方案就是多路复用,即一个信号通道可以同时承载更多的信号。然而,随着芯片变得更大、更复杂精细,运算速度可能会迟缓。

在近期一项新研究中,美国国家标准与技术研究院(NIST)的研究者们探索使用光发射器和接收器来连接神经元。原则上,光链路或光波导能以光速通信速率将每个神经元与数千个其他神经元连接起来。相关论文在《自然 · 电子学》上发表

论文地址:https://www.nature.com/articles/s41928-022-00840-9

研究概览

研究者使用了能够检测单光子的超导纳米线装置,其中能检测到的这些光信号是最小的单元,可被看作能量效率的物理极限。

如下渲染图展示了模拟神经元突触(大脑中神经元之间的接口点)的超导电路如何被用来创造未来的人造光电神经元。

执行光子神经计算通常很棘手,因为其一般都需要可以在相当长时间内捕获光的光学腔。在集成微芯片上创建这样的空腔并将它们与许多波导连接起来具有极大的挑战性。

因此,研究者开发了混合电路系统,其中每个探测器的输出信号被转换为约 2 皮秒长的超快电脉冲。这些脉冲均由超导量子干涉仪网络或超导量子干涉仪(SQUID)内的单个磁涨落或磁通量引起

NIST 的研究员、通讯作者 Jeffrey Shainline 表示,「多年来,我们一直在努力进行理论研究工作,希望发掘出使技术能够实现神经形态计算的物理极限的本质原理。对这一目标的追求让我们想到了这个概念——将单光子能级的光通信与约瑟夫森结执行的神经网络计算相结合。」

Jeffrey Shainline

超导量子干涉仪(SQUID)由一个或多个约瑟夫森结构成,是一个三明治结构,上下均为超导材料,中间由绝缘薄膜隔开。如果通过约瑟夫森结(Josephson junction, JJ)的电流超过某个特定的阈值,超导量子干涉仪就将开始产生磁通量。

在感应到一个光子后,单光子探测器(single-photon detector, SPD)就会产生磁通量子,而后这些通量子就会在 SQUID 的超导回路中作为电流被收集。这种存储的电流可以作为一种记忆形式,记录神经元发出了多少次尖峰信号。

下图 2 为布局和完成的电路。a 为整个突触电路的 3D 布局;b 为完成制造的显微镜图像;c 为 SPD 布局;d 为制造中的 SPD;e 为 JJ 和分流电阻的布局;f 为制造中的 JJ 和分流器;g 为用于 DR(dendritic receiving, 树突接收)循环的 SQUID;h 为制造中的 DR SQUID。

Shainline 感叹道,「让电路工作起来其实相当容易。在设计阶段,制造和实验花费了相当多的时间,但实际上,在我们第一次制造出这些电路时,它们就已经可以开始工作了。这预示着此类系统未来的可扩展性非常好。」

研究者将单光子探测器与约瑟夫森结集成在一起,形成了一个超导突触。他们计算出突触的峰值频率能够超过 1000 万赫兹,同时每个突触事件消耗大约 33 阿托焦耳的能量(1 阿托焦耳等于 10^-18 焦耳)。相比之下,人类神经元的最大平均峰值速率仅约为 340 赫兹 ,而同时每个突触事件却将消耗大约 10 飞焦耳(1 飞焦耳等于 10^-15 焦耳)。

下图 3 展示了单个突触的特性,其时间常数为 6.25 μs,电感为 2.5 μH。测量结果表明实际值分别为 8.06 μs 和 3.2 μH。

下图 4 展示了突触传递函数可以在广泛的时间尺度范围内进行设计。

此外,研究者可以实现这些电路系统设备的输出时间从数百纳秒变化到毫秒。这也意味着这些硬件可以与一系列系统连接,实现从高速电子设备间的通信乃至人机间更悠闲的交互。

未来,研究者将把他们研发的新突触与片上光源相结合,创造出完全集成的超导神经元。Shainline 对此表示,「实现完全集成的超导神经元仍然存在巨大的挑战,但若我们能够将最后那部分也集成进去,那么非常有理由相信最终它可能会成为人工智能的强大计算平台。」

原文链接:https://spectrum.ieee.org/neuromorphic-computing-superconducting-synapse

2022 NeurIPS China Meetup


2022 NeurIPS Meetup China 将设置 Keynote、圆桌论坛、论文分享、 Poster 展示、企业招聘等环节,邀请顶级专家、论文作者与现场参会观众共同交流。
  • 举办时间:2022年11月26日9:00-18:00

  • 举办地点:北京丽都皇冠假日酒店
本次活动免费,欢迎大家点击「阅读原文」报名,我们将在审核后反馈报名结果。
同时欢迎论文作者作为嘉宾参与论文分享与 Poster 展示,请在报名页面提交演讲主题、论文介绍等信息,我们将与你联系沟通相关事宜。

© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:[email protected]

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
相关阅读
业界首个适用于固体系统的神经网络波函数,登上Nature子刊Nature子刊 | 武汉大学林丹丹/张志东/钟波发现抗病毒免疫和自身免疫的调控新机制清华&上交等发表Nature子刊!分片线性神经网络最新综述!温州中学“新教师天团”上热搜,清北含量过高,还有人发过Nature子刊,网友:普通人归属在哪WNT信号通路抑制铁死亡登Nature 子刊,这个通路潜力无限你还不学?保险公司打工一月就被雷了!美低端生活(八)刘备和五虎将AI求解偏微分方程新基准登NeurIPS,发现JAX计算速度比PyTorch快6倍,LeCun转发:这领域确实很火光纤通信速率破纪录!每秒能传1.84Pbit,2倍于全球互联网总流量 | Nature子刊新冠测试的准确性博一研究生,一作发Nature子刊!Nature封面:「穿越」成真?科学家造出史上首个「虫洞」“意念打字”新方法:每分钟能写近30个字母,错误率仅6.13% | Nature子刊闻闻肉味就能瘦?Nature子刊:「气味疗法」可促进脂质代谢轻松减重,或是减肥困难户福音!7 Papers & Radios | Hinton前向-前向神经网络训练算法;科学家造出「虫洞」登Nature封面Nature子刊:中国科学家研发出新的新冠黏膜疫苗Turn Biotechnologies:逆转衰老能否成真?延长寿命,科学家首次发现给肠道“变性”有奇效;“穿越”成真?史上首个“虫洞”登Nature封面|本周论文推荐Nature子刊:多种癌症发病年轻化!我们不能再坐以待毙!「穿越」成真?科学家造出史上首个「虫洞」,登Nature封面浙大重磅研究登Nature:人类也能「光合作用」,让衰老细胞返老还童人鼠混合大脑出现了!斯坦福大学7年研究登NatureNature子刊:精准预测分子性质和药物靶标的无监督学习框架Nature子刊:年轻的血液真能返老还童?其细胞外囊泡是关键母亲往事跑得比猎豹快的机器人来了,还能游泳跳跃,大小仅为毫米级 | Nature子刊浙大重磅研究登Nature:人类也能“光合作用”,让衰老细胞返老还童Nature子刊:无症状感染者会不会有新冠后遗症?清华、上交等联合发表Nature子刊:「分片线性神经网络」最新综述!AI为人类开药方:准确预测9000名癌症患者适用药物!成果登上Nature子刊,出自华人团队Nature子刊:北大清华等团队发现,读完大学,中国学生批判性思维和学术技能出现全面下降Nature子刊:年龄越大,女性怀上龙凤胎的概率就越大,原来是进化上的一个意外?我解放了,高温也来了。
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。