咨询热线:13080701712(微信同步)
返回 行业资讯

忆阻器对地磅遥控器的重要作用

    到目前为止,忆阻器一直是寻找问题的解决方案。然而,在近几年的发展中,笛笛公司大学的研究人员声称已建造了第一台可编程忆阻器无线地磅遥控器。通过在小型设备上运行机器学习算法和处理AI的能力,计算机提供了在内存中执行更多计算的潜力。如果这些说法是正确的,则可能会对电气工程和开发AI应用程序的能力产生重大影响。可编程忆阻器计算机可以做什么?电气工程师一直在寻找一种在内存而不是处理器的计算核心中进行更多计算的方法。内存计算可以通过降低功耗来加速AI和神经形态计算。但是,直到现在,尽管对该概念进行了长期考虑,但演示仍是独立的,要么针对数字地磅遥控器特定的AI问题开发芯片,要么通过外部计算机操作忆阻器阵列。密歇根大学声称已经创建了一种可编程的忆阻器计算机,该计算机可以运行三种标准类型的机器学习算法,并且在AI应用程序的开发方面提供了巨大的进步,并且可以全部独立工作。可编程忆阻器计算机可以允许在小型设备(例如智能手机和传感器)上直接处理AI应用程序。无需将命令发送到云进行处理,响应时间可以大大加快,更不用说片上处理会带来安全性和隐私性的改善。
 
    根据密歇根大学的公告,以片上计算机组件的新布置方式可能会极大地改变计算方式,从而将能耗降低100倍。可编程忆阻器计算机如何工作?该计算机是由韦卫教授及其团队设计的,用于将忆阻器阵列与编程和运行它所需的其他元素集成在一起。这些组件包括5,832个忆阻器阵列,一个标准的电子地磅遥控器处理器,通信通道和648个数字或模拟转换器形式的解释器。忆阻器阵列特别适用于机器学习问题,因为它们将数据转换为向量并将其映射到矩阵中。然后可以将输入向量与存储在存储器中的向量进行比较。当存在匹配项时,系统会知道输入数据具有所需的特征。该小组将忆阻器阵列直接集成在芯片上,并将机器学习算法开发到忆阻器阵列上。他们对芯片进行了三项测试,即机器学习算法,旨在证明其可编程性:Perceptron:即使图像嘈杂,计算机也必须能够识别希腊字母,并且必须达到100%的准确性,稀疏编码:计算机必须构建有效的人工神经元网络,学习其任务并删除不需要的神经元。液晶地磅能够找到最有效的方法来重建图像并以100%的精度识别图案。
 
    双层神经网络:计算机必须使用无监督学习在复杂数据中查找模式。从地磅传感器摄影检查得分来看,神经网络识别出重要特征,然后以94.6%的准确度区分植入和无线遥控器的区别。在最大频率下,该芯片消耗约300毫瓦的功率,每秒执行每瓦1880亿次操作。但是,它具有更高速度的潜力。该芯片是使用180纳米半导体制造工艺制造的。将芯片移至40纳米技术可以将功耗降至近40毫瓦,同时进一步提高性能。