神经形态器件研究进展与未来趋势
发布时间：2021-06-21 18:25
大数据时代的信息爆炸、摩尔定律的逐渐减缓和"万物互联"的最终愿景使得发展高性能的非传统计算迫在眉睫. 21世纪以来,神经形态计算以高度的并行、极低的功耗和存算一体的特征受到了广泛的关注.其中,具有独特物理机制的神经形态器件是神经形态计算硬件的基本组成单元,对新型非冯·诺依曼架构芯片的研发乃至类脑智能的最终实现都具有重要意义.本文重点介绍了神经形态器件的研究进展和未来研发的趋势.研究低功耗的神经形态器件与集成方法,提高突触器件的线性度、对称性和开关比以及从动力学角度模拟生物启发的神经系统是该领域的研究热点.
【文章来源】：科学通报. 2020,65(10)北大核心EICSCD
【文章页数】：12 页
【部分图文】：
(网络版彩色)人工突触器件.(a)生物突触与忆阻器的对应,调制脉冲波形实现LTP、LTD与STDP[7],Copyright?American Chemical Society;(b)利用突触晶体管实现LTP与STP的相互转换[49],Copyright?John Wiley and Sons;(c)利用银离子团簇的迁移实现LTP与STP的共存,以及脉冲时间依赖可塑性[52],Copyright?Royal Society of Chemistry
在神经形态计算的应用层面上,短期来看,神经形态器件将主要用于实现人工神经网络的专用加速器加速计算最密集的向量矩阵乘法.相较于CPU(centra processing unit),它采取模拟信号的大规模并行计算能在提高容错率的同时提高运算速度;而相较于GPU(graphics processing unit),它将带来能耗上的大幅度降低,这种超低功耗的特性非常适合边缘计算,将在物联网(Internet of things,IoT)时代发挥重要作用;在体系结构层次,由神经形态器件制作的存储器将兼具RAM和Flash存储器的优势:非易失、擦写速度高、断电后仍能保存,并且存内计算的方式将会带来芯片设计架构的重新布局.长期来看,模拟实验神经科学所揭示的生物中存在的突触离子动力学,是进一步发展人工突触器件的一个巨大挑战,这是硬件实现复杂人脑系统的一个具有极大潜力的途径,研究过程中也将促进我们对大脑自身的理解.然而,当前在硅基芯片上仅仅忠实地模拟观测到的生物神经系统以达到器件层面的仿生似乎不是一个最优的选择,更需要计算神经科学方面的研究,针对神经形态器件的简化计算模型提出数学指导并赋予其网络意义.例如,经典计算机模拟脉冲神经网络的成本巨大且难以训练,而神经形态器件具备独特的动态特性和可重构特性,它不仅能在突触器件层面上直接实现多样化的、与时间相关的突触可塑性,还能天然地实现人工神经网络与脉冲神经网络的兼容,可在当前的深度学习与计算神经科学中各取所长,根据任务信息的流动在不同工作状态之间切换算法.进一步地,一旦算法上能抽象出脑启发式脉冲网络与对应的训练算法,将有助于基于神经形态器件构建出生物启发的下一代神经网络标准硬件,软件和硬件的相辅相成将开创下一个人工智能的时代.尽管前景光明,但神经形态器件的研究仍存在若干问题有待解决:如何设计和选择神经形态器件的材料、机理以制备出高精度的器件?材料的选择将直接影响神经形态器件的性能,需要筛选出能够支撑高性能神经形态器件的材料.机理的澄清有利于对神经形态器件进行针对性的优化和设计.我们期待在材料科学甚至在物理机理水平上的突破,能大大提高神经形态器件的性能.最终,在不同的应用方面针对性地设计神经形态器件将是未来信息产业发展的重要趋势.软件与硬件的真正融合将为实现神经形态计算乃至类脑智能奠定基础.
相变器件是一类历史悠久、工艺较为成熟的神经形态器件,其外加刺激一般为电流脉冲,利用焦耳热引发的相变过程来改变器件的电导.相变器件,根据相变材料的机理可以分为两种,一种是基于Ge2Sb2Te5等材料、利用晶态-非晶态之间转变实现电导变化的相变存储器(phase change memory,PCM)[16],其结构为金属相变材料/金属;另一种是基于NbO2和VO2材料利用金属到绝缘体的相变制成的莫特(Mott)器件[17],其结构为金属/氧化物/金属.对于PCM,晶态为高电导,非晶态为低电导.若材料初始处于高电导的结晶态,当施加高幅度的电流脉冲时,由于焦耳热,很大一部分相变材料熔化,一旦脉冲突然中断,熔融材料会淬火成低电导的非晶相,从而转变为低电导.若再施加电流脉冲加热材料达到结晶的温度却低于熔点,将导致部分非晶区域重结晶.结晶程度取决于脉冲的幅度和持续时间.通过施加连续的脉冲使非晶区域逐渐结晶,可以实现连续的电导变化.图1(d)展示了在透射电子显微镜下PCM晶体的生长.对于莫特器件,其可同时表现出由电流控制和温度控制的负微分电阻效应,图1(e)展示了莫特器件的截面结构,图1(f)用电子束衍射的方式展示了绝缘层中由电流控制与温度控制的负微分电阻状态.惠普公司的研究人员[19]在基于NbO2的莫特器件中把器件与电容并联,基于器件温度和电容电荷两个状态量构造的振荡器呈现出混沌行为.2 神经形态器件计算原理
本文编号：3241176
【文章来源】：科学通报. 2020,65(10)北大核心EICSCD
【文章页数】：12 页
【部分图文】：
(网络版彩色)人工突触器件.(a)生物突触与忆阻器的对应,调制脉冲波形实现LTP、LTD与STDP[7],Copyright?American Chemical Society;(b)利用突触晶体管实现LTP与STP的相互转换[49],Copyright?John Wiley and Sons;(c)利用银离子团簇的迁移实现LTP与STP的共存,以及脉冲时间依赖可塑性[52],Copyright?Royal Society of Chemistry
在神经形态计算的应用层面上,短期来看,神经形态器件将主要用于实现人工神经网络的专用加速器加速计算最密集的向量矩阵乘法.相较于CPU(centra processing unit),它采取模拟信号的大规模并行计算能在提高容错率的同时提高运算速度;而相较于GPU(graphics processing unit),它将带来能耗上的大幅度降低,这种超低功耗的特性非常适合边缘计算,将在物联网(Internet of things,IoT)时代发挥重要作用;在体系结构层次,由神经形态器件制作的存储器将兼具RAM和Flash存储器的优势:非易失、擦写速度高、断电后仍能保存,并且存内计算的方式将会带来芯片设计架构的重新布局.长期来看,模拟实验神经科学所揭示的生物中存在的突触离子动力学,是进一步发展人工突触器件的一个巨大挑战,这是硬件实现复杂人脑系统的一个具有极大潜力的途径,研究过程中也将促进我们对大脑自身的理解.然而,当前在硅基芯片上仅仅忠实地模拟观测到的生物神经系统以达到器件层面的仿生似乎不是一个最优的选择,更需要计算神经科学方面的研究,针对神经形态器件的简化计算模型提出数学指导并赋予其网络意义.例如,经典计算机模拟脉冲神经网络的成本巨大且难以训练,而神经形态器件具备独特的动态特性和可重构特性,它不仅能在突触器件层面上直接实现多样化的、与时间相关的突触可塑性,还能天然地实现人工神经网络与脉冲神经网络的兼容,可在当前的深度学习与计算神经科学中各取所长,根据任务信息的流动在不同工作状态之间切换算法.进一步地,一旦算法上能抽象出脑启发式脉冲网络与对应的训练算法,将有助于基于神经形态器件构建出生物启发的下一代神经网络标准硬件,软件和硬件的相辅相成将开创下一个人工智能的时代.尽管前景光明,但神经形态器件的研究仍存在若干问题有待解决:如何设计和选择神经形态器件的材料、机理以制备出高精度的器件?材料的选择将直接影响神经形态器件的性能,需要筛选出能够支撑高性能神经形态器件的材料.机理的澄清有利于对神经形态器件进行针对性的优化和设计.我们期待在材料科学甚至在物理机理水平上的突破,能大大提高神经形态器件的性能.最终,在不同的应用方面针对性地设计神经形态器件将是未来信息产业发展的重要趋势.软件与硬件的真正融合将为实现神经形态计算乃至类脑智能奠定基础.
相变器件是一类历史悠久、工艺较为成熟的神经形态器件,其外加刺激一般为电流脉冲,利用焦耳热引发的相变过程来改变器件的电导.相变器件,根据相变材料的机理可以分为两种,一种是基于Ge2Sb2Te5等材料、利用晶态-非晶态之间转变实现电导变化的相变存储器(phase change memory,PCM)[16],其结构为金属相变材料/金属;另一种是基于NbO2和VO2材料利用金属到绝缘体的相变制成的莫特(Mott)器件[17],其结构为金属/氧化物/金属.对于PCM,晶态为高电导,非晶态为低电导.若材料初始处于高电导的结晶态,当施加高幅度的电流脉冲时,由于焦耳热,很大一部分相变材料熔化,一旦脉冲突然中断,熔融材料会淬火成低电导的非晶相,从而转变为低电导.若再施加电流脉冲加热材料达到结晶的温度却低于熔点,将导致部分非晶区域重结晶.结晶程度取决于脉冲的幅度和持续时间.通过施加连续的脉冲使非晶区域逐渐结晶,可以实现连续的电导变化.图1(d)展示了在透射电子显微镜下PCM晶体的生长.对于莫特器件,其可同时表现出由电流控制和温度控制的负微分电阻效应,图1(e)展示了莫特器件的截面结构,图1(f)用电子束衍射的方式展示了绝缘层中由电流控制与温度控制的负微分电阻状态.惠普公司的研究人员[19]在基于NbO2的莫特器件中把器件与电容并联,基于器件温度和电容电荷两个状态量构造的振荡器呈现出混沌行为.2 神经形态器件计算原理
本文编号：3241176
本文链接：https://www.wllwen.com/kejilunwen/jisuanjikexuelunwen/3241176.html
