目次
研究者
ホームページ テクノロジー周辺機器 AI 超高効率の人工光電ニューロンは実現するのでしょうか?天然のニューロンよりも30,000倍速い、研究結果がNatureサブジャーナルに掲載

超高効率の人工光電ニューロンは実現するのでしょうか?天然のニューロンよりも30,000倍速い、研究結果がNatureサブジャーナルに掲載

Apr 12, 2023 pm 05:04 PM
システム ai

人工ニューラル ネットワークでは、ニューロンと呼ばれる多くのコンポーネントがデータに埋め込まれており、連携して顔認識などの問題を解決します。ニューラル ネットワークは、シナプス (ニューロン間の接続) を繰り返し調整して、結果として得られる行動パターンがより良い解決策であるかどうかを判断します。しかし、時間の経過とともに、ニューラル ネットワークは最終的に計算結果の中で最適な動作パターンを見つけます。次に、これらのモードをデフォルト値として選択し、人間の脳の学習プロセスを模倣します。

AI システムは現実世界への応用がますます増えていますが、AI システムの駆動に使用されるハードウェアの制限を考慮すると、依然として重大な課題に直面しています。この問題を解決するために、研究者たちは人間の脳にヒントを得たニューロモーフィック コンピューター ハードウェアを開発しました。

たとえば、ニューロモーフィック マイクロチップ コンポーネントは、一定期間内に特定の数の入力信号を受信した場合にのみ、スパイクを発したり、出力信号を生成したりする場合があります。これは、実際の生物学的ニューロンの動作をより厳密にシミュレートする戦略です。一般的な人工ニューラル ネットワークと比較して、これらのデバイスはスパイクの発生が非常に少ないため、処理されるデータが大幅に少なくなり、原理的に必要な電力と通信帯域幅がはるかに少なくなります。

ただし、ニューロモーフィック ハードウェアでは従来の電子機器が使用されることが多く、最終的には実現できる複雑な機能と信号伝達速度が制限されます。たとえば、各生物学的ニューロンは数万のシナプスを持つことができますが、ニューロモーフィック デバイスでは人工ニューロンを相互に接続することが困難です。この問題に対する効果的な解決策は多重化です。つまり、1 つの信号チャネルで同時により多くの信号を伝送できます。ただし、チップが大きくなり、より高度になるにつれて、コンピューティング速度が遅くなる可能性があります。

最近の新しい研究で、国立標準技術研究所 (NIST) の研究者は、ニューロンを接続するための光送信機と受信機の使用を調査しました。原理的には、光リンク、つまり光導波路は、各ニューロンを光速の通信速度で何千もの他のニューロンに接続できます。関連する論文が Nature Electronics に掲載されました。

超高効率の人工光電ニューロンは実現するのでしょうか?天然のニューロンよりも30,000倍速い、研究結果がNatureサブジャーナルに掲載

論文アドレス: https://www.nature.com/articles/s41928-022-00840-9

研究概要

研究者

は、単一光子を検出できる超伝導ナノワイヤデバイスを使用しました。最小単位であり、エネルギー効率の物理的な限界とみなすことができます。 以下のレンダリングは、ニューロン シナプス (脳内のニューロン間の境界点) をシミュレートする超電導回路を使用して、将来の人工光電子ニューロンを作成する方法を示しています。

超高効率の人工光電ニューロンは実現するのでしょうか?天然のニューロンよりも30,000倍速い、研究結果がNatureサブジャーナルに掲載フォトニックニューラル計算の実行は、通常、長時間にわたって光を捕捉できる光キャビティを必要とするため、しばしば困難を伴います。統合されたマイクロチップ上にそのようなキャビティを作成し、それらを多くの導波路に接続することは非常に困難です。

そこで研究者らは、各検出器からの出力信号を長さ約 2 ピコ秒の超高速電気パルスに変換するハイブリッド回路システムを開発しました。

これらのパルスは、超伝導量子干渉計のネットワークまたは超伝導量子干渉計 (SQUID) 内の単一の磁気ゆらぎまたは磁束によって引き起こされます。 NISTの研究者で責任著者のジェフリー・シェインライン氏は、「私たちは長年にわたり、テクノロジーを可能にする物理的限界の性質を発見する理論的研究に熱心に取り組んできました。 「ニューロモーフィック コンピューティングを実現する。原理。この目標の追求により、単一光子エネルギー レベルでの光通信とジョセフソン接合によって実行されるニューラル ネットワーク計算を組み合わせるというこのコンセプトにたどり着きました。」伝導性量子干渉計 (SQUID) は、1 つ以上のジョセフソン構造で構成され、上下に超電導材料を配置し、中央が絶縁膜で分離されたサンドイッチ構造です。ジョセフソン接合 (JJ) を流れる電流が特定のしきい値を超えると、超伝導量子干渉計は磁束を生成し始めます。

光子を感知した後、単一光子検出器 (SPD) が磁束量子を生成し、それが SQUID の超伝導ループ内の電流として収集されます。この保存された電流は一種の記憶として機能し、ニューロンがスパイクした回数を記録します。

#下の図 2 は、レイアウトと完成した回路を示しています。 a はシナプス回路全体の 3D レイアウト、b は完成した製造の顕微鏡画像、c は SPD のレイアウト、d は製造中の SPD、e は JJ とシャント抵抗のレイアウト、f は JJ とシャント製造時、g は DR (樹状受容、樹状受容) サイクルに使用される SQUID、h は製造時の DR SQUID です。

超高効率の人工光電ニューロンは実現するのでしょうか?天然のニューロンよりも30,000倍速い、研究結果がNatureサブジャーナルに掲載

Shainline 氏は、「実際に回路を動作させるのは非常に簡単でした。設計段階で製造と製造にかなりの時間がかかりました。 「実験ではありましたが、実際には、一方で、私たちが最初にこれらの回路を製造したとき、それらはすでに動作していました。これは、そのようなシステムの将来の拡張性にとって良い前兆です。」

研究者 単一の回路を統合する-ジョセフソン接合を備えた光子検出器は超伝導シナプスを形成します。 研究者らは、シナプスのピーク周波数は 1,000 万 Hz を超える可能性があり、各シナプス イベントは約 33 アトジュールのエネルギーを消費する (1 アトジュールは 10^-18 ジュールに等しい) と計算しました。比較すると、人間のニューロンの最大平均スパイク レートはわずか約 340 Hz ですが、各シナプス イベントは約 10 フェムトジュールを消費します (1 フェムトジュールは 10^-15 ジュールに相当します)。

以下の図 3 は、時定数 6.25 μs、インダクタンス 2.5 μH の単一シナプスの特性を示しています。測定結果は、それぞれ 8.06 μs と 3.2 μH という実際の値を示しています。

超高効率の人工光電ニューロンは実現するのでしょうか?天然のニューロンよりも30,000倍速い、研究結果がNatureサブジャーナルに掲載

以下の図 4 は、シナプス伝達関数が広範囲の時間スケールにわたって操作できることを示しています。

超高効率の人工光電ニューロンは実現するのでしょうか?天然のニューロンよりも30,000倍速い、研究結果がNatureサブジャーナルに掲載

さらに、研究者は、これらの回路システム デバイスの出力時間が数百ナノ秒からミリ秒に変化することを認識できます。これは、これらのハードウェアが、高速電子デバイス間の通信から人間と機械の間のよりゆっくりとした対話に至るまで、さまざまなシステムに接続できることも意味します。

研究者らは将来、開発した新しいシナプスをオンチップ光源と組み合わせて、完全に統合された超伝導ニューロンを作成する予定です。 Shainline 氏は、「完全に統合された超伝導ニューロンの実現にはまだ大きな課題がありますが、最後の部分を統合できれば、最終的には人工知能のための強力なコンピューティング プラットフォームになる可能性があると信じる十分な理由があります。」

以上が超高効率の人工光電ニューロンは実現するのでしょうか?天然のニューロンよりも30,000倍速い、研究結果がNatureサブジャーナルに掲載の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

AI Hentai Generator

AI Hentai Generator

AIヘンタイを無料で生成します。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

GoおよびViperライブラリを使用するときにポインターを渡す必要があるのはなぜですか? GoおよびViperライブラリを使用するときにポインターを渡す必要があるのはなぜですか? Apr 02, 2025 pm 04:00 PM

ポインター構文とviperライブラリの使用における問題への取り組みGO言語でプログラミングするとき、特にポインターの構文と使用を理解することが重要です...

言語スライスに行く:シングルエレメントスライスインデックス1インターセプトの場合、なぜエラーを報告しないのですか? 言語スライスに行く:シングルエレメントスライスインデックス1インターセプトの場合、なぜエラーを報告しないのですか? Apr 02, 2025 pm 02:24 PM

Go Language Slice Index:エラーなしでインデックス1からシングルエレメントスライスインターセプトがインターセプトされるのはなぜですか? GO言語では、スライスは底部を参照できる柔軟なデータ構造です...

GO言語の範囲を使用してマップを通過してマップを保存するのに、なぜすべての値が最後の要素になるのですか? GO言語の範囲を使用してマップを通過してマップを保存するのに、なぜすべての値が最後の要素になるのですか? Apr 02, 2025 pm 04:09 PM

GOのマップイテレーションにより、すべての値が最後の要素になるのはなぜですか? Go言語では、いくつかのインタビューの質問に直面したとき、あなたはしばしば地図に遭遇します...

Go Language Slice Index:シングル要素のスライス傍受が境界を越えないのはなぜですか? Go Language Slice Index:シングル要素のスライス傍受が境界を越えないのはなぜですか? Apr 02, 2025 pm 02:36 PM

GOスライシングインデックスの国境を越えた問題の調査:GOの単一エレメントスライス傍受、スライスは、配列などに使用できる柔軟なデータ構造です...

GOモジュールの下でカスタムパッケージを正しくインポートする方法は? GOモジュールの下でカスタムパッケージを正しくインポートする方法は? Apr 02, 2025 pm 03:42 PM

GO言語開発では、カスタムパッケージを適切に導入することが重要なステップです。この記事では、「ゴラン...

Goでは、同じパッケージ内の兄弟ファイルで関数を呼び出す方法は? Goでは、同じパッケージ内の兄弟ファイルで関数を呼び出す方法は? Apr 02, 2025 pm 12:33 PM

同じパッケージ内の兄弟ファイル内の関数を呼び出す方法は? GOプログラミングでは、プロジェクト構造の組織とパッケージのインポートが非常に重要です。私たちは...

GOプログラムが実行されているときにデバッグモードと通常の操作モードを区別する方法は? GOプログラムが実行されているときにデバッグモードと通常の操作モードを区別する方法は? Apr 02, 2025 pm 01:45 PM

GO言語プログラムが実行されているとき、デバッグモードと通常の操作モードを区別する方法は?多くの開発者は、さまざまなオペレーティングモードに従ってGOプログラムを開発したいと考えています...

bytes.buffer in go言語はメモリリークを引き起こします:クライアントはどのようにして応答本体を正しく閉じて、メモリの使用を避けますか? bytes.buffer in go言語はメモリリークを引き起こします:クライアントはどのようにして応答本体を正しく閉じて、メモリの使用を避けますか? Apr 02, 2025 pm 02:27 PM

バイトによって引き起こされるメモリリークの分析。GO言語開発のGO言語のメイクススライス、バイテスが使用されている場合、処理が適切に行われない場合は、文字列をスプライスするためにバッファーが使用されます...

See all articles