《自然》新研究：使用非常规的硅电路让机器学习“进化”

人工智能(AI)已使计算机能够解决以前被认为超出其能力范围的问题。因此，人们对开发比现有设备更快完成人工智能计算、能耗更低的专用电路非常感兴趣。

Chen等人在《自然》杂志上撰文，展示了一种硅材料中非常规的电路，这种电路可以就地重编程，以执行基本的机器学习操作。

虽然计算机擅长执行有明确答案的计算，但它们不擅长猜测。

例如，如果你正在考虑出售你的汽车，计算机是计算同类汽车平均价格的理想工具，它可以帮助你确定你的销售价格。

但通过分析当前可用的庞大数字数据集，机器学习等人工智能技术如今可以教会电脑做出合理的预测。

科学家和工程师们以人脑的结构为灵感，在开发专门的硬件以大大减少执行分类等任务所需的时间和精力方面取得了重大进展。

Chen和同事们的电路也受到了大脑的启发。

正常情况下，电流通过电路就像水在河里流动一样。如果河水变得很浅，变成了一些小水坑，水就不能再流了，因为这些水坑被河床形成的障碍物隔开了。

虽然水坑之间的屏障太宽，水分子无法从一个水坑跳到下一个水坑，但这与纳米尺度距离的电荷“水坑”中的电荷不同。

目前的一些作者先前的工作是从随机沉积在硅表面的金纳米粒子中分离出电荷水坑，这些金纳米粒子之间有绝缘分子。

这些小水坑被用来实现执行传统计算的电路，而不是机器学习，这是陈和同事们电路设计的核心。

信息通过使用普通导线施加的电压输入到这样的电路中。这些电线产生的电场可以改变附近的水坑之间是否会发生跳跃，因此可以通过电路修改电荷的跳跃路径。

研究人员并使用机器学习算法来确定所需的控制参数,使电路执行不同的操作。这个算法的灵感来自生物进化。

先前的研究是开创性的,因为它表明, 只需简单地改变施加在五根控制导线上的电压，就可以对单个电路进行就地重编程，以执行任何双输入逻辑操作。

在目前的工作中，Chen等人克服了这一基本思想的一些关键限制，并使用电路来执行人工智能操作，从而大大扩展了这一基本思想。

首先，作者发现了一种直接在硅上产生电荷坑的方法，即通过随机植入原子，使硅本身获得少量电荷。

这种方法使这些设备比以前更广泛地可制造，并可能与当前这一代的电子产品兼容，这些电子产品也主要以硅为基础。

第二，在这种新的材料系统中，在这些电路中，最高温度从几乎高于绝对零度上升到室温。在最高温度下，跳跃控制着电流流动，因此，所需的操作是可行的。

原文出处：

https://www.nature.com/articles/d41586-020-00002-x，Evolution of circuits for machine learning，作者：Cyrus F. Hirjibehedin

本文来源前瞻网，转载请注明来源。本文内容仅代表作者个人观点，本站只提供参考并不构成任何投资及应用建议。（若存在内容、版权或其它问题，请联系：service@qianzhan.com）