AI News HubLIVE
站内改写1 分鐘閱讀

聲波為神經形態芯片帶來模擬大腦的優勢

神經形態計算通過模仿大腦運作,比傳統AI芯片更節能。但現有設備連接數量遠少於人腦神經元。新研究表明,利用聲波(phi-bit)可構建更逼真的神經突觸,實現更快運算和更高能效。在鳶尾花分類測試中,聲學突觸以39個參數達到96.7%準確率,功耗僅為電子神經形態硬件的十分之一,並模擬了神經調節機制。

來源IEEE Spectrum AI作者: Charles Q. Choi

神經形態計算通過模仿大腦的運作方式,能夠顯著降低能耗,但現有設備的連接複雜性遠不及人腦。人腦每個神經元擁有數千個突觸,而小腦中的浦肯野細胞甚至可達十萬個,這使得人腦能將不同信息組合、比較並做出情境響應。相比之下,大多數神經形態芯片僅相當於一個“人工突觸”,構建類似人腦的神經元需要大量佈線,增加能耗和複雜度。

亞利桑那大學的研究團隊另闢蹊徑,利用聲波(即phi-bit)來構建更接近生物神經元的聲學突觸。phi-bit通過聲波相位編碼多個值,支持量子風格的邏輯門和並行計算,且多個phi-bit可共用一個空間。研究者用三根鋁棒(每根長約60釐米、寬1.25釐米)通過環氧樹脂粘合,兩端以蜂蜜粘貼超聲波發射器和傳感器。聲波在鋁棒中傳播並相互作用,通過調節相位模擬突觸可塑性——即記憶的強化或消退。

在分類150朵鳶尾花的實驗中,該聲學突觸僅需39個參數即達到96.7%的準確率,比傳統多層感知器(MLP)快20%,且功耗僅為電子神經形態硬件的十分之一。研究還利用拓撲聲學原理,使聲波在幾乎無能量耗散的情況下傳播,進一步提升了效率。英特爾等公司的神經形態芯片雖已商用,但連接數有限,而聲波方法可實現更緊湊、並行的計算。

更令人興奮的是,該設備能模擬多巴胺、血清素等神經調節物質的作用。只需增加一根鋁棒,即可模擬學習中的快速反應(如多巴胺效應)和慢性壓力等長期適應過程。這使得未來神經形態硬件能用同一電路在不同情境下執行不同功能,無需為每項任務設計獨立網絡。桑迪亞國家實驗室的研究員布拉德·艾莫尼評價説:“這開闢了值得思考的新機遇。”相關論文於6月12日發表在《科學進展》上。