|
然而，目前基于互補金屬氧化物半導體（CMOS）的神經(jīng)形態(tài)電路，只是簡單地連接人工神經(jīng)元和突觸而沒有協(xié)同相互作用，而神經(jīng)元和突觸的同時實現(xiàn)仍然是一個挑戰(zhàn)。 為了解決這些問題，由韓國科學技術高等研究院材料科學與工程系 Keon Jae Lee 教授領導的研究團隊，通過在單個記憶單元中引入神經(jīng)元-突觸相互作用，來實現(xiàn)人類的生物學工作機制，代替了傳統(tǒng)的電連接人工神經(jīng)元和突觸裝置的方法。  Keon Jae Lee 教授解釋說，“神經(jīng)元和突觸相互作用以建立認知功能，例如記憶和學習，因此模擬兩者是類腦人工智能的基本要素。開發(fā)的神經(jīng)形態(tài)記憶裝置還模仿了再訓練效應，通過在神經(jīng)元和突觸之間實現(xiàn)正反饋效應，可以快速學習被遺忘的信息?！?/span> 人腦是由 1000 億個神經(jīng)元和 100 萬億個突觸組成的復雜網(wǎng)絡。人腦的學習和記憶等智力能力來自近千億個神經(jīng)元與突觸互連的復雜網(wǎng)絡。一個神經(jīng)元結合突觸前的輸入刺激來發(fā)射電脈沖，而一個突觸連接相鄰的神經(jīng)元以在整個網(wǎng)絡中傳輸信號。
許多細胞和分子研究也表明，神經(jīng)元不僅參與信息處理，還通過內(nèi)在可塑性促進記憶形成，從而調(diào)節(jié)神經(jīng)元的興奮性。突觸可塑性和神經(jīng)元內(nèi)在可塑性同時發(fā)生在所有主要的學習形式中，使大腦能夠高效地執(zhí)行智能任務和概率處理。 受認知人類大腦的啟發(fā)，神經(jīng)形態(tài)計算以生物神經(jīng)網(wǎng)絡的硬件體現(xiàn)為目標，以實現(xiàn)人工智能（AI）。與基于 CMOS 的方法相比，單個神經(jīng)元和突觸的設備實現(xiàn)已被廣泛研究，因為它們具有出色的能源效率和可擴展性。
人工神經(jīng)元和突觸的集成對于開發(fā)具有高級認知功能的神經(jīng)形態(tài)智能計算機至關重要。在此之前，也已經(jīng)報道了能夠進行模式識別和簡單決策的憶阻神經(jīng)網(wǎng)絡，顯示出優(yōu)于傳統(tǒng)馮諾依曼架構的性能。 然而，盡管在學習和記憶中起重要作用，但很少有研究證明人工神經(jīng)元中內(nèi)在可塑性的模擬。此外，內(nèi)在和突觸可塑性之間的協(xié)同相互作用應涉及各種形式的學習，如經(jīng)典條件反射、空間學習和再訓練。 之前的研究報告證明了在單個設備中的易失性和非易失性切換，但這些研究是表明從易失性到非易失性切換的轉變，而不是兩種切換機制與神經(jīng)突觸相互作用的共存。應在單個設備中實現(xiàn)神經(jīng)元興奮性和突觸權重變化，以同時解決受腦啟發(fā)的認知 AI 中的神經(jīng)可塑性。
這是一種納米級的神經(jīng)形態(tài)存儲設備，它可以在一個單元中同時模擬神經(jīng)元和突觸，其中短期和長期記憶共存，使用分別模擬神經(jīng)元和突觸特征的易失性和非易失性記憶裝置。閾值開關器件用作易失性存儲器，相變存儲器用作非易失性器件。兩個薄膜器件集成在一起，沒有中間電極，實現(xiàn)了神經(jīng)形態(tài)記憶中神經(jīng)元和突觸的功能適應性。
研究人員表示，這是朝著用半導體設備嚴格模擬人腦的神經(jīng)形態(tài)計算目標邁出的又一步。 參考資料： https://news./newsen/html/news/?mode=V&mng_no=20770 https://www./articles/s41467-022-30432-2 熱門視頻推薦 |
|
|
