宾夕法尼亚州立大学沃尔特·米尔斯 石墨烯忆阻器为仿生计算打开了大门
信用:詹妮弗M
麦肯/宾夕法尼亚州立大学 随着传统计算的发展速度放缓，新的计算形式正走在最前沿
在宾夕法尼亚州立大学，一组工程师正试图开创一种模拟大脑神经网络效率的计算，同时利用大脑的模拟特性
现代计算是数字化的，由两种状态组成，开-关或1和0
模拟计算机和大脑一样，有许多可能的状态
这是打开或关闭灯光开关和打开调光器开关以改变照明量之间的区别
根据团队负责人、宾夕法尼亚州立大学工程科学和力学助理教授萨塔尔什·达斯的说法，神经形态或大脑启发的计算已经被研究了40多年
新的是，随着数字计算的极限已经达到，对高速图像处理的需求，例如自动驾驶汽车，也在增长
大数据的兴起是追求神经形态计算的另一个驱动力，它需要大脑结构特别适合的模式识别类型
“我们有强大的计算机，毫无疑问，问题是你必须把内存存储在一个地方，然后在其他地方进行计算，”达斯说
这些数据在内存和逻辑之间来回穿梭需要耗费大量能量，并会降低计算速度
另外，这种计算机体系结构需要很大的空间
如果计算和内存存储可以位于同一个空间，这个瓶颈就可以消除
“我们正在创造人工神经网络，试图模仿大脑的能量和面积效率，”托马斯·施朗汉默解释说，他是达斯集团的博士生，也是最近发表在《自然通讯》上的一篇论文的第一作者
“大脑非常紧凑，可以放在你的肩膀上，而现代超级计算机占用的空间只有两三个网球场那么大
" 就像连接大脑中神经元的突触可以被重新配置一样，该团队正在构建的人工神经网络可以通过向一层石墨烯(一层原子厚的碳原子)施加短暂的电场来重新配置
在这项工作中，他们显示了至少16种可能的记忆状态，与大多数氧化物基忆阻器或记忆电阻器中的两种相反
“我们已经表明，我们可以使用简单的石墨烯场效应晶体管精确控制大量的存储状态，”达斯说
该团队认为将这项技术提升到商业规模是可行的
随着许多最大的半导体公司积极追求神经形态计算，达斯相信他们会对这项工作感兴趣
除了达斯和施朗汉默之外，这篇题为“用于高精度神经形态计算的石墨烯忆阻突触”的论文的另一位作者是工程科学和力学的博士生阿尔扬·奥拜罗
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
