TSUKUBA, Japan, 15. maj 2021 – (ACN Newswire) – Forskere bliver bedre til at lave neuronlignende forbindelser til computere, der efterligner den menneskelige hjernes tilfældige informationsbehandling, lagring og genkaldelse. Fei Zhuge fra det kinesiske videnskabsakademi og kolleger gennemgik den seneste udvikling i designet af disse 'memristorer' for tidsskriftet Science and Technology of Advanced Materials.
|
|
| Forskere udvikler computerhardware til kunstig intelligens, der giver mulighed for mere tilfældig og samtidig informationsoverførsel og lagring, ligesom den menneskelige hjerne. |
Computere anvender kunstig intelligens-programmer til at genkalde tidligere lært information og komme med forudsigelser. Disse programmer er ekstremt energi- og tidskrævende: Typisk skal enorme mængder data overføres mellem separate hukommelses- og behandlingsenheder. For at løse dette problem har forskere udviklet computerhardware, der giver mulighed for mere tilfældig og samtidig informationsoverførsel og lagring, ligesom den menneskelige hjerne.
Elektroniske kredsløb i disse 'neuromorfe' computere inkluderer memristorer, der ligner overgangene mellem neuroner kaldet synapser. Energi strømmer gennem et materiale fra en elektrode til en anden, meget ligesom en neuron, der affyrer et signal over synapsen til den næste neuron. Forskere er nu ved at finde måder at bedre tune dette mellemmateriale, så informationsstrømmen er mere stabil og pålidelig.
"Oxider er de mest udbredte materialer i memristorer," siger Zhuge. "Men oxid memristorer har utilfredsstillende stabilitet og pålidelighed. Oxidbaserede hybridstrukturer kan effektivt forbedre dette."
Memristorer er normalt lavet af et oxidbaseret materiale, der er klemt mellem to elektroder. Forskere får bedre resultater, når de kombinerer to eller flere lag af forskellige oxidbaserede materialer mellem elektroderne. Når en elektrisk strøm løber gennem netværket, inducerer det ioner til at drive inden for lagene. Ionernes bevægelser ændrer i sidste ende memristorens modstand, hvilket er nødvendigt for at sende eller stoppe et signal gennem krydset.
Memristorer kan tunes yderligere ved at ændre de forbindelser, der bruges til elektroder, eller ved at justere de mellemliggende oxid-baserede materialer. Zhuge og hans team er i øjeblikket ved at udvikle optoelektroniske neuromorfe computere baseret på optisk kontrollerede oxid-memristorer. Sammenlignet med elektroniske memristorer forventes fotoniske at have højere driftshastigheder og lavere energiforbrug. De kunne bruges til at konstruere næste generations kunstige visuelle systemer med høj computereffektivitet.
Yderligere information
Fei Zhuge
Chinese Academy of Sciences
E-mail:
Om Science and Technology of Advanced Materials Journal (STAM)
Open access tidsskrift STAM udgiver fremragende forskningsartikler på tværs af alle aspekter af materialevidenskab, herunder funktionelle og strukturelle materialer, teoretiske analyser og materialers egenskaber.
Dr. Yoshikazu Shinohara
STAM Publishing Director
E-mail:
Pressemeddelelse distribueret af ResearchSEA for Science and Technology of Advanced Materials.
Emne: Forskning og udvikling
Kilde: Videnskab og teknologi af avancerede materialer
Sektorer: Nanoteknologi
https://www.acnnewswire.com
Fra Asia Corporate News Network
Ophavsret © 2021 ACN Newswire. Alle rettigheder forbeholdes. En division af Asia Corporate News Network.
Kilde: http://www.acnnewswire.com/press-release/english/66672/
- "
- adgang
- Alle
- artikler
- kunstig intelligens
- asia
- lave om
- kinesisk
- computere
- computing
- forbrug
- Nuværende
- data
- Design
- effektivitet
- energi
- flow
- Hardware
- Høj
- HTTPS
- Hybrid
- Herunder
- oplysninger
- Intelligens
- IT
- Japan
- seneste
- lærte
- Making
- materialer
- netværk
- nyheder
- Forudsigelser
- Programmer
- Publicering
- forskning
- Resultater
- Videnskab
- Videnskab og Teknologi
- VIDENSKABER
- forskere
- So
- SOLVE
- Stabilitet
- opbevaring
- Systemer
- Teknologier
- inden for
