Science and Technology Daily, Пекин, 30 июля, согласно недавнему отчету сети организаций физиков, исследователи из Национального института стандартов и технологий (NIST) разработали кремниевый чип, который точно отделяет способность излучать сигналы для будущих нейронных сетей. Исследование предоставляет потенциальный метод проектирования.
Человеческий мозг имеет миллиарды нейронов (нейронных клеток), и между каждым нейроном есть тысячи соединений. Многие исследовательские проекты посвящены созданию искусственных нейронных сетевых схем для имитации мозга, но такие традиции, как полупроводниковые схемы Электронные устройства, часто неспособные удовлетворить чрезвычайно сложные линейные требования правильно функционирующей нейронной сети.
Команда NIST рекомендует использовать свет для замены тока в качестве сигнального носителя. Нейронные сети продемонстрировали превосходные возможности для решения сложных задач, таких как быстрое определение типов паттернов и точный анализ данных. Световые приложения будут дополнительно ускорять распространение сигнала и устранять Помехи.
Физик команды NIST Джефф Чилис сказал: «Преимущество света заключается в том, что он может дополнительно оптимизировать работу нейронной сети, позволяя ему выполнять точный анализ научных данных, например, поиск наземных планет и квантовой информатики. И ускорить разработку высокоинтенсивных систем управления автомобилем без водителя ».
Согласно сообщениям, NIST разработал микросхемы через вертикальную укладку двух слоев фотонных волноводов, преодолевая главную проблему при применении оптических сигналов. Эта структура ограничивает свет узким маршрутом для маршрутизации оптического сигнала, что в значительной степени аналогично принятию Электрические сигналы маршрутизации проводов. Эта трехмерная конструкция позволяет работать с сложными механизмами маршрутизации, выполняя необходимые шаги для имитации операционных процессов нервной системы.
Исследователи заявили, что лазер передается по волокну на чип. В зависимости от интенсивности и схемы распределения выбранного света микросхема направляет каждый вход в выходную группу. Для оценки выхода они создают изображение выходного сигнала. Результаты показывают, что Конечный результат этого метода является очень однородным, а частота ошибок низкая, что обеспечивает точное распределение мощности.
Исследовательская группа заявила, что они действительно сделали две вещи: во-первых, использование 3D-моделей для достижения большего количества оптических соединений в передаче. Кроме того, успешная разработка новой измерительной технологии позволяет отражать характеристики многих устройств в оптической подсистеме. Для крупномасштабного углубленного изучения фотоэлектронной нервной системы эти два прорыва будут играть решающую роль.
Главный редактор перемежать
Нейронные сети - это уже популярные технологии в области искусственного интеллекта: будь то распознавание образов, распознавание лиц или обработка естественного языка, нейронные сети. Нейронные сети действительно мощные, но именно из-за своей мощности предлагаются микросхемы самого низкого уровня. Новые задачи. Предсказуемо, что традиционные чипы в один прекрасный день не смогут загрузить вычислительные требования, выдвинутые эпохой искусственного интеллекта. В настоящее время «легкий» дебют очень ожидаемый - с использованием оптических схем вместо цепей, скорости передачи данных и обработки. Стало быстрее, многие команды уже разрабатывают оптические чипы, но результаты, как правило, все еще находятся на лабораторном этапе. В направлении индустриализации следует учитывать такие факторы, как стоимость, согласованность и стабильность.