神经形态平台在计算效率上实现重大飞跃
印度科学研究所 (IISc) 的研究人员开发出一种受大脑启发的模拟计算平台，能够在分子薄膜内以惊人的 16,500 种电导状态存储和处理数据。这一突破今天发表在《自然》杂志上，代表着与传统数字计算机相比的一大进步，传统数字计算机的数据存储和处理仅限于两种状态。这样的平台可能会将复杂的人工智能任务（如训练大型语言模型 (LLM)）带到笔记本电脑和智能手机等个人设备上，从而使我们更接近实现人工智能工具开发的民主化。由于缺乏节能硬件，这些开发目前仅限于资源密集型数据中心。随着硅电子器件接近饱和，设计能够与硅芯片协同工作以提供更快、更高效的人工智能的大脑启发式加速器也变得至关重要。
研究团队负责人、印度理工学院纳米科学与工程中心 (CeNSE) 助理教授 Sreetosh Goswami 解释说：“十多年来，神经形态计算一直面临许多未解决的挑战。凭借这一发现，我们几乎确定了完美的系统——这是一项罕见的壮举。”
该团队利用他们的 AI 加速器，在一台台式计算机上根据詹姆斯·韦伯太空望远镜的数据重现了 NASA 标志性的“创世之柱”图像，所用时间和能量仅为传统系统所需时间的一小部分。图片来源：CeNSE、IISc
大多数人工智能算法背后的基本运算非常简单——矩阵乘法，这是高中数学中教授的概念。但在数字计算机中，这些计算耗费大量能源。IISc 团队开发的平台大大减少了所需的时间和能源，使这些计算变得更快、更容易。
该平台的核心分子系统由 CeNSE 客座教授 Goswami 设计。当分子和离子在材料薄膜内摆动和移动时，它们会创建无数独特的记忆状态，其中许多状态迄今为止无法访问。大多数数字设备只能访问两种状态（高电导和低电导），而无法利用可能的无限数量的中间状态。
通过使用精确定时的电压脉冲，印度理工学院团队找到了一种有效追踪大量分子运动的方法，并将每个分子运动映射到不同的电信号，形成了不同状态的广泛“分子日记”。
“该项目将电气工程的精确性与化学的创造性结合在一起，让我们能够在由纳秒电压脉冲驱动的电子电路内非常精确地控制分子动力学，”Goswami 解释道。
利用这些微小的分子变化，该团队能够制造出一种高精度、高效率的神经形态加速器，这种加速器可以在与人脑类似的同一位置存储和处理数据。这种加速器可以与硅电路无缝集成，以提高其性能和能源效率。
该团队面临的一个关键挑战是表征各种电导状态，而使用现有设备则证明这是不可能的。该团队设计了一个定制电路板，可以测量微小到百万分之一伏的电压，以前所未有的精度精确定位这些单独的状态。
该团队还将这一科学发现转化为一项技术壮举。他们仅使用一台台式计算机，就能够根据詹姆斯·韦伯太空望远镜的数据（最初由一台超级计算机创建）重现 NASA 标志性的“创世之柱”图像。他们还能够以传统计算机所需时间和能量的一小部分完成此操作。
该团队包括印度理工学院的几名学生和研究员。Deepak Sharma 负责电路和系统设计以及电气特性分析，Santi Prasad Rath 负责合成和制造，Bidyabhusan Kundu 负责数学建模，Harivignesh S 负责仿生神经元反应行为。该团队还与德克萨斯农工大学教授 Stanley Williams 和利默里克大学教授 Damien Thompson 合作。
研究人员认为，这一突破可能是印度在人工智能硬件领域最大的飞跃之一，让该国跻身全球技术创新之列。CeNSE 教授、硅电子专家 Navakanta Bhat领导了该项目的电路和系统设计。
“最引人注目的是，我们如何将复杂的物理和化学知识转化为突破性的人工智能硬件技术，”他解释道。“在印度半导体计划的背景下，这一进展可能会改变游戏规则，彻底改变工业、消费者和战略应用。这类研究对国家的重要性怎么强调也不为过。”
在电子和信息技术部的支持下，印度理工学院团队目前致力于开发完全自主集成的神经形态芯片。
“从材料到电路和系统，这都是我们完全自主研发的成果，”戈斯瓦米强调道。“我们正在将这项技术转化为片上系统。”
页:
[1]