类似大脑的新型计算设备可模拟人类学习:论文已发表在《自然通讯》杂志

作者: 小云 2021-05-10 11:25:12

  “突触晶体管”可以同时处理数据和存储数据,从而模仿大脑的可塑性。

借助一系列突触晶体管,新的神经形态电路可以模拟联想学习。

研究人员已开发出了一种类似大脑的计算设备,它能够通过联想来学习。

类似著名生理学家帕甫洛夫训练狗、将铃声与食物关联起来,美国西北大学和香港大学的研究人员已成功地训练电路、将光与压力关联起来。

研究论文于4月30日发表在知名的《自然通讯》杂志上。

这种设备的秘密在于其新颖的有机电化学“突触晶体管”,这种晶体管可以同时处理信息和存储信息,与人脑无异。研究人员证明,突触晶体管可以模仿人类大脑中突触的短期和长期可塑性,不断增强记忆,逐渐具有学习能力。

新型晶体管和电路拥有类似大脑的能力,有望克服传统计算的局限性,包括能耗很大的硬件以及同时执行多项任务的能力有限。这种类似大脑的设备还拥有更强的容错能力,即使一些部件出现故障,也能继续顺利运行。

西北大学的论文资深作者Jonathan Rivnay说:“虽然现代计算机非常出色,但人脑在一些复杂且非结构化的任务方面轻松胜过计算机,比如模式识别、运动控制和多感官整合。这要归功于突触具有可塑性,突触是大脑计算能力的基本组成部分。这些突触使大脑能够以高度并行、容错和节能的方式来运行。我们在研究过程中演示了一种有机塑料晶体管,它可以模仿生物突触的关键机能。”

Rivnay是西北大学麦考密克工程学院的生物医学工程学助理教授,他与香港大学机械工程学副教授Paddy Chan共同主持了这项研究。Rivnay研究小组的博士后研究员Xudong Ji是论文的第一作者。

传统计算的问题

传统数字计算系统采用不同的处理单元和存储单元,导致数据密集型任务消耗大量能量。受人脑中计算和存储过程相结合的启发,研究人员近些年来力求开发出更像人脑一样运行的计算机,借助一系列功能类似神经元网络的设备。

Ji说:“我们当前的计算机系统的工作方式是存储和逻辑这两部分在物理上分开。您执行计算,将该信息发送到存储单元。然后,每次您要检索该信息,就得重新调用它。如果我们可以将这两项单独的功能结合在一起,就可以节省空间,并节省能源成本。”

目前,记忆电阻器或“忆阻器”是最先进的技术,可以执行组合的处理和存储功能,但是忆阻器的两大缺点是切换能耗大、生物相容性较差。这些缺点导致研究人员将目光投向了突触晶体管,尤其是有机电化学突触晶体管,这种晶体管在低电压下就能运行,存储器持续可调,而且对生物应用而言具有高度兼容性。不过,挑战仍然存在。

Rivnay说:“连高性能的有机电化学突触晶体管也需要写入操作与读取操作分离开来。因此,如果你想要保留存储内容,就得将它与写入过程断开来,这会使集成到电路或系统中的工作进一步复杂化。”

突触晶体管的工作原理

为了克服这些挑战,西北大学和香港大学的研究团队在可以捕获离子的有机电化学晶体管内部优化了一种导电塑料材料。突触是大脑中的一种结构,神经元可以使用名为神经递质的小分子,通过突触将信号传输到另一个神经元。在突触晶体管中,离子的行为类似神经递质,在终端之间发送信号以形成人工突触。通过保留来自捕获离子的所存储数据,晶体管可以记住以前的活动,从而形成长期可塑性。

研究人员通过将单个突触晶体管连接到神经形态电路中以模拟联想学习,演示了其设备的突触行为。他们将压力和光传感器整合到电路中,并训练电路,将两路不相关的物理输入(压力和光)彼此关联起来。

联想性学习最著名的例子可能是巴甫洛夫的狗,狗见到食物时自然流口水。训练狗、将铃声与食物关联之后,狗听到铃声也会开始流口水。至于神经形态电路,研究人员通过按手指施加压力来激活电压。为了训练电路、将光与压力关联起来,研究人员先施加了来自LED灯泡的脉冲光,然后立即施加压力。在这种情况下,压力是食物,光是铃声。该设备的相应传感器检测到了两路输入。

经过一个训练周期后,电路在光和压力之间建立了初步连接。经过五个训练周期后,电路将光与压力建立了紧密的关联。光本身就能触发信号或“无条件反应”。

未来的应用

由于突触电路由塑料之类的柔性聚合物制成,因此很容易做在柔性板材上,并轻松地集成到可直接与活组织甚至大脑连接的柔性可穿戴电子设备、智能机器人和可植入设备中。

Rivnay说:“虽然我们的应用只是概念证明,但我们提议的电路可以进一步扩展、加入更多的感官输入,并与其他电子设备集成在一起,以实现现场低功耗计算。由于与生物环境相兼容,因此设备可以直接与活组织对接,这对于下一代生物电子学至关重要。”

这项研究名为《使用捕获离子的非易失性突触有机电化学晶体管模拟联想学习》,得到了美国国家科学基金会、香港研究资助局基金和中国国家自然科学基金的共同资助。

计算机 互联网 技术
上一篇:神奇的人脸识别:为啥眼熟之人戴口罩、墨镜还是能认出来? 下一篇:MIT开发能“感知”隐藏物体的机器人:“我们正试图赋予机器人超人的感知力”
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

大脑模拟NLP,高德纳奖得主:神经元集合演算用于句子解析

一个简单的大脑模型为人工智能研究提供了新的方向。世界顶尖计算机科学理论学家、哥德尔奖和高德纳奖获得者、哥伦比亚大学计算机科学教授 Christos Papadimitriou 关于「大脑中单词表征」的演讲。

Ben Dickson ·  2021-06-01 09:39:24
打破“维度的诅咒”,机器学习降维方法好

机器学习算法因为能够从具有许多特征的数据集中找出相关信息而大火,这些数据集往往包括了几十行的表格或者数百万像素的图像。

水木番 ·  2021-05-31 09:41:17
工业界中的机器学习是什么样子的

本文结合作者十余年的工业界经历,从工业界的视角来尝试给些思考和总结,欢迎大家批评讨论。

龙星镖局 ·  2021-05-31 09:26:01
中国人开始反算法:不登录、不点赞、不关注、不评论

“算法不讲武德!”越来越多年轻人发觉,生活正在被算法控制。

深燃团队 ·  2021-05-31 09:03:12
新型人造肌肉,超广泛应用场景!微型机器人:很需要

人造肌肉一直是科学界的重要研究课题,理想情况下其不仅能够应用于医学领域,帮助病人恢复健康,并且还可以应用于机器人制造业,助力机器人的进一步研究。

科技园地 ·  2021-05-27 13:26:10
PyTorch、TensorFlow最新版本对比,2021年了你选谁?

Tensorflow / Keras 和 PyTorch 是迄今为止最受欢迎的两个主要机器学习库。TensorFlow 由谷歌团队开发,于 2015 年发布。而 PyTorch 则由 Facebook 的团队开发,并于 2017 年在 GitHub 上开源。

机器之心 ·  2021-05-24 15:28:55
三人「围桌」脑科学VS人工智能,相互博弈中如何突围?

近日,三位分别来自投资界、学术界、企业界的专业大咖罕见地聚到一起,围绕「人工智能VS人类大脑谁将胜出?」「科学范式正在发生哪些重大改变?」等行业热议话题进行了一场深度、前沿的高端对话

佚名 ·  2021-05-24 15:26:35
NTT携手思科采用AR技术提高生产力

通过与思科和NTT合作,客户发现头戴式协同设备是满足其关键要求的最佳选择。与选择AR设备同样重要的是将其整合到他们现有的协作环境中。

NTT ·  2021-05-24 10:25:25
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载