您的位置: 百色信息港 > 金融

下一代计算系统利用忆阻器芯片分析图像

发布时间:2019-03-04 17:57:23

从哺乳动物的观看方式受获得启发,密歇根大学(University of Michigan)研究出一种“忆阻器”计算机原型电路,这种计算机有能力处理复杂数据,比如图像和音频这种规模的数据,新型计算机系统处理数据的速度更快并且比当今许多先进的计算机系统消耗更少的能量。

Wei Lu是密歇根大学电子工程与计算机科学专业的教授,他以作者的身份在《自然纳米科技》(Nature Nanotechnology)上发表了一篇论文。他说:“计算机快速的图像处理能力将会对自动化系统产生重大的影响,比如自动驾驶汽车。”

传统计算机分析图像是一个高耗能的过程,Lu研究的下一代计算机使用模式识别来减少分析图像时能量的消耗。在Lu的这项研究种,他和他的同事使用基于“稀疏编码(sparse coding)”实现的算法和32*32的忆阻器阵列对照片进行高效地分析和重现。

忆阻器是一种有记忆的电阻器,可以根据施加在设备上的电压来调整通过设备的电流,是一种先进的电子设备。忆阻器组成的计算机系统比传统的系统更高效,在传统的计算机中,逻辑单元和记忆单元在集成电路中位置不同,而忆阻器这种电子器件既可以存储数据也可以处理数据。

Lu说:“在现在这个‘大数据’时代,计算机处理大量数据时,需要处理器和内存之间稳定的通信,

下一代计算系统利用忆阻器芯片分析图像

这一过程耗能高、运行缓慢。我们需要计算机完成的任务复杂性越来越高,这使得计算机体积变大、售价过高、耗能增加。”

但是忆阻器组成的络可以同时执行许多操作,就像生物大脑中的神经络,不再需要来回移动数据。利用忆阻器的特性可以实现一个并行处理海量信号、有能力进行先进的机器学习的新平台。深度神经学习是机器学习的一个分支,可以训练计算机执行操作但不需要确切的代码。忆阻器也可用于深度学习领域。

Lu说:“我们需要下一代电子设备可以在变化的环境中快速处理复杂数据。只写一个程序完成不了这些需求。有时你甚至没有一个预定义任务。为了使我们研究的系统更智能,我们需要找到一个方法来高效的处理大量数据。终我们从神经科学领域受到启发。”

“哺乳动物的大脑对眼镜捕获到的事物进行扫描和分割。其中一个原因是哺乳动物可以快速的识别不同形状的排列。人类做这些只使用到有限的活跃神经元。神经科学家和计算机科学家都管这一过程叫做‘稀疏编码’。当我们看到椅子时可以识别出它,是因为它的特征符合我们大脑中已存储的椅子的图片,尽管不是所有的椅子都是一样的,并且有些会和大脑中的标准模型不同,每一个椅子都有一些主要特征便于识别。基本上讲,物体能被准确识别是因为在我们大脑中‘存储’了对应的标准模型。”

同样地,Lu设计的电子系统可以有效地探测模式,并且使用尽可能少的特征值来描述初的输入。

Lu说:“在我们大脑中,不同的神经元识别不同的模式。当我们看到一幅图像,识别这个图像的神经元会变得活跃,神经元之间会相互竞争来实现一个更高效的机制。我们在研究的电子系统中也采用了这一机制。”

研究人员训练系统来学习“图像字典”。他们使用了一系列灰度图像模式训练,从而让忆阻器络可以重构画作和照片的图像以及其他的测试用例。

如果他们的系统能被放大,他们期望可以在一个压缩的系统中实时处理和分析直接由传感器和照相机采集的视频。

翻译:贾文铎

审校:王舟

原文链接:

猜你会喜欢的
猜你会喜欢的