• Twitter
  • Facebook
  • Google+
  • LinkedIn

硬件神经元帮助“大脑般的计算机解决疑难问题

  •  通过从pixabay GERD ALTMANN图像

研究人员开发出功能强大的随机神经元,像那些在我们的大脑,使用随机存取存储器,以帮助在人工智能的突破

在2013年,亚马逊是世界上最大的在线零售商,宣布其亚马逊primeair服务,其中无人驾驶飞机,飞往你的家门口,将在交付订货下30分钟你的包。迷人?如果报道属实,这种服务可能是只有几个月之遥。在机器学习技术的进步做出了创新,如自动无人驾驶飞机,它不需要人工干预,成为现实。而软件工程师编码人工智能成计算机程序,建立“大脑”这样的技术落后,硬件工程师正在彻底改变对这些健壮的程序运行的硅芯片。

在机器学习研究的一个活跃的领域是神经网络 - 一组算法,在我们的大脑中的神经元一样工作,并认识到数据模式。而这些算法是强大的,他们有一定的局限性。 “今天,许多神经网络都集中在软件,在云上运行,它有足够的精力去工作,因为它们是由专门的服务器农场的支持。然而,当这些算法建立自动驾驶汽车或无人驾驶飞机时,这些神经网络具有对小型移动设备的工作,必须是节能的。这使得集中在神经网络的硬件,”教授说,从主席Udayan技术孟买的印度理工学院古利。

In a recent study, Prof Ganguly, his students, and collaborators from Intel Microarchitecture Labs, Bengaluru, have designed one such hardware, a type of Random Access Memory (RAM), for neural networks. The study, published in the journal APL Materials, was funded partly by the DST Nano Mission and Ministry of Electronics and IT (MeitY). The work had contributions from a mix of undergraduate and postgraduate students and faculty at 188比分直播网, as well as R&D engineers at Intel.

大多数计算机硬件在过去几十年中设计有一组电路,其输出是确定的和数字的 - 或者“0”或“1”。这样的一个例子可以是一个逻辑门,在大多数的数字电路,其中,如果知道输入,输出可被精确地确定使用。这种类型的硬件与像计数简单的程序服务不周到。然而,复杂的问题,如搜索最佳路径的无人驾驶飞机,需要的程序是随机的。他们需要估计一些统计概率每一个可能的输出。硬件中,根据,也需要开关从被数字到模拟,以提供随机的能力。

在目前的研究中,研究人员提出了电阻式随机存取存储器(RRAM)的设计,使随机的神经元。他们考虑称为玻尔兹曼机神经网络的理论框架,其中包括这样的神经元网络。 “一个Boltzmann机可实现类似的图像,声音和模式识别日常任务,”甘古利教授说。 “在Boltzmann机的结果的能力,统计上随机性估计输出,这是不自然确定性的机器,”他解释说。

新RRAM,使用结晶锰酸盐(prxca1-xmno3)建成,被称为PCMO RRAM或忆阻器。它本质上是一个存储装置中,其状态被存储在它的电阻。例如,PCMO RRAM可以是具有任一高电阻状态或低电阻状态的电阻器。正电压使电阻状态向高切换到低。该切换是随机的,并且取决于所提供的电压。什么是这里迷人的是,在我们大脑中的神经元也同样工作。他们开火,或发送概率冲动的基础上,细胞膜和轴突或尾部之间的电位差。这样的神经元,构造为硬件,使得Boltzmann机。

研究人员然后通过求解一类被认为是难以计算解决搜索优化问题测试了他们的PCMO RRAM。 “对于这样的问题,可能许多解决方案,非常陡峭的增长为问题的大小增加。例如,考虑到“N”数字的人,寻找大小不同的许多社会群体如何能存在,是一个棘手的问题,”解释教授甘古利。

传统的计算机,它在本质上确定的,需要每个可能性进行评估,以找到最佳的解决方案。可能性较大的数量,更繁琐的搜索任务。在比较中,Boltzmann机具有所有并联连接的随机神经元。当他们通过随机扣球交换信息,他们最终达成表示最佳的解决方案,就像找到最终的答案,而不需要一个完整的搜索特定的稳定状态尖峰模式。具体稳态尖峰是网络的最低​​能态。因此,网络总是扣球找到方法来达到这个境界。这是类似于水下坡流或气泡上浮,那里有一个自发改变,以减少能量。 “利用这种方法,我们可以设置以特定的方式,使得稳态是解决特定问题这些神经元的相互作用,”教授古利说。

该研究比较与传统的基于硅的硬件,其产生模拟和数字信号,在解决优化问题的新设计的PCMO RRAM的性能。他们发现他们的硬件设计解决了与98%的准确度的问题,需要常规的基于半导体的硬件的面积只是十分之一。其功率效率也高4倍。 “这意味着一个Boltzmann机芯片的基础上,PCMO RRAM,可能是计算上更强大和高能效,”甘古利教授说。

该研究证明了前沿的研究工作正在进行中,印度的机构。研究人员还申请了这方面的工作了专利。 “这些设备是在实验状态现,但要实现芯片设计的需求。这样的系统是巨大的商业利益和将是有趣的高科技初创公司,说:”教授甘古利,签约关闭之前。

文章写的

 

spoorthy拉曼

图片来源

 

通过从pixabay GERD ALTMANN图像

 

gubbi页面链接

 

 

 

研究领域: