一種稱為憶阻器的低功耗，非易失性技術(shù)給機器學習帶來了新的希望。根據(jù)研究，憶阻器能有效地解決AI醫(yī)療診斷問題，這是一個令人鼓舞的發(fā)展，它暗示了這項技術(shù)在其他領(lǐng)域的應(yīng)用可能，尤其是低功耗或網(wǎng)絡(luò)“邊緣”應(yīng)用的潛力。研究人員說，這可能是因為憶阻器人工模仿了神經(jīng)元的某些基本特性。
憶阻器或存儲電阻器是電子電路的一種構(gòu)建模塊，科學家大約在50年前就曾預(yù)測過這種技術(shù)的存在，但直到十多年前才首次創(chuàng)建同類產(chǎn)品。這些組件，也稱為電阻性隨機存取存儲器（RRAM）設(shè)備，本質(zhì)上是電開關(guān)，可以記住它們在電源關(guān)閉后是打開還是關(guān)閉。因此，它們類似于突觸（人腦神經(jīng)元之間的鏈接），其電導(dǎo)率根據(jù)過去經(jīng)過多少電荷而增強或減弱。
從理論上講，憶阻器可以像神經(jīng)元一樣，能夠同時計算和存儲數(shù)據(jù)。因此，研究人員提出，憶阻器可以潛在地大大減少傳統(tǒng)計算機在處理器和內(nèi)存之間來回穿梭數(shù)據(jù)的能量和時間。這些設(shè)備還可以在神經(jīng)網(wǎng)絡(luò)（神經(jīng)網(wǎng)絡(luò)）中很好地工作。神經(jīng)網(wǎng)絡(luò)是使用合成形式的突觸和神經(jīng)元來模擬人腦學習過程的機器學習系統(tǒng)。
開發(fā)用于憶阻器的應(yīng)用的一個挑戰(zhàn)是這些器件中發(fā)現(xiàn)的隨機性。研究的第一作者，法國格勒諾布爾阿爾卑斯大學的電氣工程師Thomas Dalgaty,說，憶阻器中看到的電阻或電導(dǎo)率的水平取決于連接兩個電極的少數(shù)原子，因此開發(fā)者從一開始就很難控制它們的電性能。
現(xiàn)在，Dalgaty和他的同事們已經(jīng)開發(fā)出一種方法來利用這種隨機性來進行機器學習應(yīng)用程序。他們本月在《自然電子》雜志上詳細介紹了他們的發(fā)現(xiàn)。
通過在高電導(dǎo)通狀態(tài)和低電導(dǎo)通狀態(tài)之間循環(huán)來對憶阻器進行編程。通常，由于器件內(nèi)部固有的隨機過程，在憶阻器中看到的電導(dǎo)率水平可能會在一個導(dǎo)通狀態(tài)與另一個狀態(tài)之間變化。
但是，如果憶阻器循環(huán)開關(guān)足夠多，則每個憶阻器的電導(dǎo)率都會遵循“鐘形曲線”的規(guī)律，Thomas Dalgaty,說?？茖W家們透露，他們可以實施一種稱為馬爾可夫鏈蒙特卡洛采樣的算法，該算法可以積極利用這種可預(yù)測的行為來解決許多機器學習任務(wù)。
與傳統(tǒng)的數(shù)字CMOS電子產(chǎn)品的性能相比，研究人員的憶阻器陣列實現(xiàn)了驚人的五個數(shù)量級的能量降低。Dalgaty說，這是因為憶阻器不需要在處理器和內(nèi)存之間來回拖曳數(shù)據(jù)。就上下文而言，100,000倍的差異相當于“世界最高建筑哈利法塔和一枚硬幣之間的高度差”。
對于憶阻器而言，一個潛在的令人興奮的應(yīng)用是能夠在網(wǎng)絡(luò)的遠端（又稱為“邊緣”）為設(shè)備提供學習，調(diào)整和操作的能力，還可以給低功耗設(shè)備，例如嵌入式系統(tǒng)，智能家居設(shè)備和IoT節(jié)點帶來幫助。Dalgaty說，的確，憶阻器可以使邊緣學習設(shè)備成為現(xiàn)實。
他解釋說：“當前無法進行邊緣學習，因為使用現(xiàn)有硬件執(zhí)行機器學習所需的功耗遠遠大于邊緣上可用的能量。（使用憶阻器）邊緣學習……可能會打開以前無法實現(xiàn)的全新應(yīng)用?！?/p>
例如，研究人員使用由16384個憶阻器組成的陣列來檢測心電圖記錄中的心律異常，從而報告了比基于常規(guī)非憶阻器電子產(chǎn)品的標準神經(jīng)網(wǎng)絡(luò)更好的檢測率。該團隊還使用他們的陣列來解決圖像識別任務(wù)，例如診斷惡性乳腺組織樣本。
潛在的未來邊緣學習憶阻器應(yīng)用可能包括植入的醫(yī)療預(yù)警系統(tǒng)，該系統(tǒng)可以隨著患者狀態(tài)的變化而適應(yīng)患者的狀態(tài)。Dalgaty說：“我們正在尋求這些真正受能源限制的邊緣應(yīng)用，這些應(yīng)用可能由于能源（限制）而不存在。”
Dalgaty說，下一個重大挑戰(zhàn)是“將所有這些功能整合到一個可以在實驗室外部應(yīng)用的集成芯片上。” 他說，這樣的芯片可能要花費幾年的時間。