韓國研究團隊開(kāi)發(fā)出類(lèi)腦芯片，能夠自主學(xué)習并糾正錯誤

1 月 20 日消息，韓國科學(xué)技術(shù)院（KAIST）的研究團隊成功開(kāi)發(fā)出一種基于憶阻器（memristor）的集成芯片，該芯片能夠模擬人腦處理信息的方式。這項研究由 KAIST 的教授 Shinhyun Choi 和 Young-Gyu Yoon 領(lǐng)導，相關(guān)成果已發(fā)表在《自然?電子學(xué)》（Nature Electronics）期刊上。

據了解，這種新型計算芯片的突出特點(diǎn)在于其能夠學(xué)習和糾正由非理想特性引起的錯誤，這是現有神經(jīng)形態(tài)設備面臨的主要挑戰之一。例如，在處理視頻流時(shí)，芯片可以自動(dòng)將移動(dòng)物體與背景分離，并隨著(zhù)時(shí)間的推移不斷提升性能。研究團隊通過(guò)實(shí)時(shí)圖像處理實(shí)驗證明，該芯片的準確性可與理想的計算機模擬相媲美。

這項研究的關(guān)鍵突破在于，他們不僅開(kāi)發(fā)出了可靠的類(lèi)腦組件，還構建了一個(gè)實(shí)用且高效的系統。這一創(chuàng )新的核心是一種名為憶阻器的下一代半導體器件。憶阻器通過(guò)其可變的電阻特性模擬神經(jīng)網(wǎng)絡(luò )中突觸的功能，能夠同時(shí)實(shí)現數據存儲和計算，類(lèi)似于人腦細胞的工作方式。憶阻器精確控制電阻變化，通過(guò)自學(xué)習消除了復雜補償的需求，從而創(chuàng )建了一個(gè)高效的系統。

基于憶阻器的平臺能夠在模擬域中執行并行計算，因此可以實(shí)現緊湊且節能的 AI 邊緣計算系統。然而，現有的憶阻器陣列系統在實(shí)現實(shí)時(shí) AI 算法和設備端學(xué)習方面面臨可靠性問(wèn)題，例如低良率、一致性差和耐久性問(wèn)題。KAIST 的研究團隊通過(guò)采用界面型氧化鈦憶阻器，成功解決了這些問(wèn)題。這種憶阻器具有高可靠性、高線(xiàn)性度、無(wú)需預形成（forming-free）和自整流特性，能夠在無(wú)需補償或預訓練的情況下，通過(guò)自校準運行 AI 算法。

研究指出，這項技術(shù)將改變 AI 在日常設備中的集成方式，使 AI 任務(wù)能夠在本地處理，從而減少對遠程云服務(wù)器的依賴(lài)，使設備更快、更安全且更節能。KAIST 的研究人員 Hakcheon Jeong 和 Seungjae Han 表示，這一系統就像一個(gè)智能工作空間，所有資源都可以輕松訪(fǎng)問(wèn)，無(wú)需在多個(gè)位置之間來(lái)回切換。他們進(jìn)一步解釋說(shuō)，這一系統模擬了大腦處理信息的方式，所有任務(wù)都可以在一個(gè)位置高效完成。

該芯片已準備好部署于多種設備中，例如能夠即時(shí)檢測可疑活動(dòng)的智能安防攝像頭，以及實(shí)時(shí)分析健康數據的醫療設備。