广告

利用神经形态芯片仿真人脑

时间:2020-10-22 作者:Maurizio di Paolo Emilio,EE Times Europe编辑暨EEWeb主编 阅读:
长期以来人们一直在研究生物细胞的电特性,以便了解细胞动力学。离子电流的动态特性和离子电导的非线性是由微观参数控制,由于测量微观参数具有相当的难度,阻碍了定量运算模型的建构…
广告

长期以来人们一直在研究生物细胞的电特性,以便了解细胞动力学。离子电流的动态特性和离子电导的非线性是由微观参数控制,由于测量微观参数具有相当的难度,阻碍了定量运算模型的建构。利用可植入生物电子组件治疗慢性病越来越受推崇,推动了能够精确仿真生物电路的低功耗固态模拟组件的发展。dVaEETC-电子工程专辑

人脑利用超过1,000亿个神经元处理信息并实时储存信息。神经元透过并联的100兆个突触互相通讯,使网络能够在较低功率(约20W)下同时完成储存、运算和推理。dVaEETC-电子工程专辑

神经元将产生集体振荡模式的讯号当成网络的一部分,集体振荡模式对神经元的特性极为敏感。神经形态芯片的一个目标是能够整合非线性电特性并实现低功耗,同时能实时处理大量讯号。dVaEETC-电子工程专辑

固态神经元是透过微电子布局实现的,在不同的电流注入刺激时,它跟生物神经元的反应几乎是相同。利用对非线性方程式模型进行优化,提供了一种对模拟电子电路进行程序设计的有效方法。利用这种方法可以修复患病的生物回路,生物医学植入组件能够适应生物回馈并仿真其功能。dVaEETC-电子工程专辑

神经形态芯片可用于置入的脑-机接口,是一种发展前景很好的技术,许多相关的研究项目正在研发之中。其中的一个应用是改善视觉修复系统或深层脑部刺激设置。苏黎世大学(Universität Zürich)和苏黎世联邦理工学院(Eidgenössische Technische Hochschule Zürich)神经信息学研究所所长Giacomo Indiveri说,“神经形态芯片功耗低、外形小,它们有可能透过芯片内在线学习电路适应人体的变化;”他并表示,“神经形态芯片通常使用同样的动力学与所相连的神经回路进行耦合,然后检测与它们通讯的神经种群活动是否有异常——例如,检测癫痫的发作。”dVaEETC-电子工程专辑

神经形态芯片类似于人的大脑,仅在需要时工作,从而节省能量。许多研究人员和分析师认为,神经形态芯片不仅是人工智能的未来,同时也是未来开发低能耗密码评估系统的关键。dVaEETC-电子工程专辑

巴斯大学(University of Bath)物理学教授Alain Nogaret表示:“这些芯片用合成的生物电路代替患病的生物电路,可以满足退化性神经元疾病患者的需求。”Nogaret作为研究小组的成员与心脏病专家进行合作,证明了神经元芯片透过恢复大脑底部呼吸神经元的功能,可以逆转心力衰竭的影响。dVaEETC-电子工程专辑

在他们的一篇论文中,作者解释了为什么不愿意将结果延用到其他疾病:“因为迄今为止,我们对患病动物模型广泛完成的唯一试验是心力衰竭。”但是根据Nogaret的说法,他们能想到的可以采用这种方法的疾病还包括︰“阿兹海默症和神经元膜离子信道病(信道病)。癫痫病患者也能从中受益,据文献报导,某些形式的癫痫病与特定的离子通道有关。”dVaEETC-电子工程专辑

Indiveri说:“另一个更成熟的应用是人工耳蜗。神经形态芯片的主要优点是功耗较低、体积小,还具备与相连的尖峰神经元『说同样语言』的潜力,即动作电位和神经动力学。”dVaEETC-电子工程专辑

神经形态芯片也可用来监听运动神经元活动,并对预期的肌肉启动模式进行译码(例如控制假体装置)。dVaEETC-电子工程专辑

这些芯片是模拟组件,是典型的非线性动态系统。它们读取原始神经讯号,并输出神经元振荡作为模拟电压。“由于不需要ADC/DAC,因此异步芯片可以实时整合复杂而嘈杂的突触输入。”Nogaret说,“主要难点在于透过参数与门极偏置对芯片进行调节,以便能对某一类生物神经元做出相同的回应。这就是我们将要开发参数估计方法的目的。”dVaEETC-电子工程专辑

从生物兼容性的角度来看,芯片必须具有最小的侵入性,它可以最大程度地利用能量采集,以接近零功耗来处理讯号。正如心脏起搏器等植入组件目前所使用的电子电路和系统受到一定的限制,神经形态芯片在设计上也有一些限制。“我们拥有超过60年的大规模集成电路(VLSI)生产经验,很大程度上可以克服这些限制,”Nogaret说,“透过工程技术的不断进步,并根据来自试验对象的回馈,可以进一步优化这些芯片,从而优化生物植入组件。”dVaEETC-电子工程专辑

采用CMOS技术实现的VLSI电路是用来开发数字系统的一项策略性技术。随着微电子组件的整合度越来越高,系统将变得更加复杂。dVaEETC-电子工程专辑

VLSI系统的发展推动了高度专业化技术的出现。要实现VLSI系统,封装及芯片级的整合更有用,因为它们尺寸小、讯号连接短。由于芯片的复杂性不断升高,设计方法也需做出相应的改进,同时还需要更强的CAD环境。dVaEETC-电子工程专辑

但是在完全采用这些方法之前,还需要进行进一步的研究和开发。dVaEETC-电子工程专辑

Ceryx Medical目前正在开发生物电子中枢模式发生器(CPG),用来模仿人的神经中枢。CPG可以在没有节奏输入的情况下产生有节奏的输出,在医疗应用中,这种组件可以帮助控制非自愿和自愿的节律过程。例如蠕动、心律、甚至步态,当自然节律过程因为疾病或受伤而被损坏时,使用该组件有助于恢复正常功能。dVaEETC-电子工程专辑

新创公司Neuralink和Paradromics也在优化其神经形态解决方案。Neuralink正在研发具有更多电极的可植入无线系统,以便记录来自更多神经元的讯号(图1)。dVaEETC-电子工程专辑

dVaEETC-电子工程专辑

图1:类似缝纫机的机器人将电极插入大脑。dVaEETC-电子工程专辑

(图片来源:Neuralink)dVaEETC-电子工程专辑

Paradromics即将推出第一个高数据速率脑计算机接口(图2)。这一可植入系统大大提高了数据速率、可移植性和耐用性,可用于医疗保健。该创业公司目前正努力透过整合更多、更小的电极,在其神经植入组件的表面容纳更高密度的探针。dVaEETC-电子工程专辑

dVaEETC-电子工程专辑

图2:Paradromics系统。dVaEETC-电子工程专辑

(图片来源:Paradromics)dVaEETC-电子工程专辑

神经形态组件未来面临的挑战是利用深度学习工具来提高响应效率并改进模型,以便将大脑转变为数字化模型。这种解决方案的主要应用是采用数字方法治疗阿兹海默症和其他认知障碍。dVaEETC-电子工程专辑

神经形态芯片可以模仿大脑有效处理数据,远优于现有的机器,因为现有机器难以适应大数据、人工智能和机器学习的需求。神经形态芯片处理还可望在非医疗领域(包括语音/脸部辨识和数据撷取)中发挥重要作用,并从不断发展的资料中准确地学习。dVaEETC-电子工程专辑

(参考原文:Neuromorphic Chips Mimic the Human Brain,by Maurizio Di Paolo Emilio)dVaEETC-电子工程专辑

责编:Yvonne GengdVaEETC-电子工程专辑

本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
  • 四大系列新品发布,星宸科技“AI帆船号”再次起航 10月25日,星宸科技(SigmaStar)在深圳以“Leading AI Everywhere”为主题举行其新品发布会,发布四大产品线的AI新品,包括智慧视觉降龙2系列芯片、智慧车载越影2系列芯片、智能交互轩辕2系列芯片和猫头鹰系列智能外设及娱乐芯片。
  • 研究表明端到端模拟芯片可用于AI计算 神经拟态芯片初创公司Rain Neuromorphics与Mila合作进行的一项研究证明,使用全模拟硬件训练神经网络是可能的,显示出创建端到端模拟神经网络的可能性。这对整个神经拟态计算和AI硬件领域都具有重大意义:完全采用模拟AI芯片可以进行训练与推理,从而可以大大节省算力、能耗,并缩减延迟时间和产品尺寸。
  • 价值900亿美元的美国半导体连环并购案揭秘 2020年见证了非比寻常的半导体行业,一场旷日持久的疫情不但遮掩了全球半导体的持续下滑,也冲淡了中美科技冷战的硝烟。同时,另外一个被掩盖的现象下半年开始浮出水面,那就是半导体行业的一连串并购活动。并购金额之大令人咋舌,对整个半导体甚至高科技行业的影响也将会无法估量。本文将针对ADI/Maxim、Nvidia/Arm及AMD/Xilinx这三大并购案展开深入探讨,并简要提及对中国半导体的影响和启示。
  • 光学计算有望彻底改变AI性能的游戏规则 初创公司Lightmatter专注于开发针对AI加速的光学计算处理器,在第32届Hot Chips大会上展示了一款测试芯片。该处理器利用硅光子学和MEMS技术,通过毫瓦级激光光源供电,可以光速(在硅片中)执行矩阵矢量乘法。基于此次测试芯片的首个商用产品将于2021年秋季推出, 它是一款带光学计算芯片的PCIe卡,专为数据中心AI推理工作负载而设计。
  • 在MCU上进行深度学习才是边缘计算的未来 现在,机器学习(ML)不再需要每秒执行数万亿次操作(TOPS)的处理器。很多情况下,最新的微控制器(有些配置有嵌入式ML加速器)就可以在边缘设备上执行机器学习,它代表着物联网发展的下一阶段:在生产数据的源头,例如麦克风、摄像头和监控其他环境条件的传感器中引入智能计算,并使物联网应用受益。
  • 安谋中国“周易”Z2 AIPU正式发布,性能翻倍、效率翻番 10月13日,安谋科技(中国)有限公司(“安谋中国”)正式发布“周易”Z2 AIPU(AI Processing Unit),单核算力最高可达4TOPS,较“周易”Z1 AIPU的单核算力提高一倍,同时支持多达32核的可扩展配置,从而能够在单个SoC中实现128TOPS的强大算力。
广告
热门推荐
广告
广告
广告
EE直播间
在线研讨会
广告
广告
面包芯语
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了