Микроэлектромеханическая нейронная сеть

По мере того, как искусственный интеллект становится все более сложным, он вдохновляет на новые усилия по разработке компьютеров, физическая архитектура которых имитирует человеческий мозг. Один из подходов, называемый резервуарными вычислениями, позволяет аппаратным устройствам выполнять расчеты более высокого порядка, которые требуются для нового искусственного интеллекта. Новое устройство, микроэлектромеханическая нейронная сеть, подчеркивает потенциал чрезвычайно малых механических систем для достижения этих расчетов.

Группа исследователей из Университета Шербрука в Квебеке, Канада, сообщает о строительстве первого устройства для создания компьютерного резервуара, построенного с использованием микроэлектромеханической системы (MEMS). Опубликованная в журнале Applied Physics из AIP Publishing, нейронная сеть использует нелинейную динамику микромасштабного кремниевого пучка для выполнения своих расчетов. Работа группы направлена ​​на создание устройств, которые могут действовать одновременно как датчик и компьютер, используя всего лишь малую долю энергии, которую будет использовать обычный компьютер.

Статья представлена ​​в специальном разделе раздела журнала «Новая физика и материалы для нейроморфных вычислений», в котором освещаются новые разработки в области физических и материаловедческих исследований, которые обещают разработать очень масштабные интегрированные «нейроморфные» системы уже завтра, которые будут проводить вычисления за пределами ограничений современных полупроводников.

«Эти вычисления обычно выполняются только в программном обеспечении, а компьютеры могут быть неэффективными», – сказал Гийом Дион, автор статьи. «Многие из датчиков сегодня построены с помощью MEMS, поэтому такие устройства, как наше, станут идеальной технологией для стирания границ между датчиками и компьютерами».

Устройство опирается на нелинейную динамику того, как кремниевая составляющая, ширина которой в 20 раз тоньше человеческого волоса, колеблется в пространстве. Результаты этого колебания используются для построения виртуальной нейронной сети, которая проектирует входной сигнал в пространство более высоких размеров, необходимое для вычисления нейронной сети.

По словам Диона, при демонстрации система смогла переключаться между различными стандартными задачами для нейронных сетей, включая классифицирование разговорных звуков и обработку двоичных паттернов с точностью 78,2% и 99,9% соответственно.

«Микроэлектромеханическая нейронная сеть – это крошечная кремниевая структура, которая может выполнять самые разные задачи», – сказал Жюльен Сильвестр, один из авторов статьи. «Удивительно легко настроить эту структуру так, чтобы она хорошо справлялась с распознаванием слов».

Сильвестр сказал, что он и его коллеги стремятся исследовать все более сложные вычисления с использованием данного устройства, надеясь разработать небольшие и энергоэффективные датчики и контроллеры роботов.

Guillaume Dion, Salim Mejaouri, Julien Sylvestre.

Reservoir computing with a single delay-coupled non-linear mechanical oscillator.

Journal of Applied Physics, 2018; 124 (15): 152132 DOI: 10.1063/1.5038038