技术利用光类人脑

人工智能、机器学习和ChatGPT可能相对较新的流行语在公共领域,但是开发电脑功能像人类的大脑和神经系统-两个硬件和软件结合几十年里一直在挑战。匹兹堡大学的工程师今天探索光学“记忆电阻器”可能是如何发展神经形态计算的关键。

电阻与记忆,或者记忆电阻器,已经显示了他们在电子产品的多功能性,与应用程序计算电路元素在神经形态计算和紧凑的记忆元素在高密度数据存储。他们独特的设计为内存中的计算铺平了道路和捕获重要的科学家和工程师的兴趣。

一个新的评论文章题为“综合光学记忆电阻器”揭示了这一技术的发展还有许多工作需要做,发挥其全部潜力。由内森血性小子电气和计算机工程教授助理匹兹堡大学Swanson工程学院,本文探讨了潜在的类似物的光学设备的电子记忆电阻器。这个新类中对高带宽的设备可以发挥重要作用神经形态计算、机器学习硬件和人工智能在光学领域。

“研究人员真正光学记忆电阻器迷住了,因为他们的难以置信的潜力高带宽神经形态计算、机器学习硬件和人工智能,“血性小子解释道。“想象合并光学信息处理与当地的难以置信的优势。就像打开了大门,一个全新的技术领域可能性以前无法想象的。”

最近的评论文章提出了全面概述这一新兴的光子集成电路领域的进展。它探讨了当前最先进的和突出的潜在应用光学记忆电阻器,结合超快的好处,宽带光通信与当地信息处理。然而,可扩展性成为最紧迫的问题,未来的研究应该地址。

“扩大内存或神经形态计算光学领域是一个巨大的挑战。技术是快速、简洁和高效的扩展更可行的和是一个巨大的进步,“血性小子解释道。

“限制的一个例子是,如果你把相变材料,目前光存储器存储密度最高,并试图实现一个相对简单的神经网络芯片上,它将晶片大小的笔记本电脑适合所需的所有记忆细胞,”他继续说。“光子学规模很重要,我们需要找到一种方法来提高存储密度、能源效率、速度和编程有用的计算在有用的尺度。”

利用光来革新计算

光学记忆电阻器可以彻底改变计算和信息处理跨多个应用程序。他们可以使积极削减光子集成电路(图片),允许为芯片上光学系统根据需要调整和重组不断没有消费能力。他们还提供高速数据存储和检索,并承诺加快处理,减少能源消耗,实现并行处理。

光学记忆电阻器甚至可以用于人工神经突触和brain-inspired架构。具有非易失存储器的动态记忆电阻器和非线性输出复制大脑的长期突触的可塑性和integrate-and-fire计算架构飙升铺平了道路。

研究扩大规模和提高光学记忆电阻技术可以开启前所未有的可能性高带宽神经形态计算、机器学习硬件和人工智能。

“我们看了很多不同的技术。我们注意到的是,我们仍然远离目标的理想光学memristor-something紧凑、高效,快速,和改变光学性质的重要方式,”血性小子说。“我们仍在寻找材料或设备,实际满足所有这些标准在一个单一的技术才能驱动领域向前发展。”

参考:血性小子N,里奥斯奥坎波CA, Pernice流泪,Bhaskaran h .集成光学记忆电阻器。Nat光子。2023:1-12。doi:10.1038 / s41566 - 023 - 01217 - w

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。