IBM发明世界首个人造神经元，人工智能的底层硬件基石已 ...

认知计算领域新突破：IBM人造神经元可储存并处理数据

美国当地时间8月3日，IBM官方宣布了他们的最新成果——首个人造神经元，可用于制造高密度、低功耗的认知学习芯片。IBM苏黎世研究中心制成了世界上第一个人造纳米尺度随机相变神经元。IBM已经构建了由500个该神经元组成的阵列，并让该阵列以模拟人类大脑的工作方式进行信号处理。

　　该技术突破具有重要意义，因为相变神经元具有传统材料制成的神经元无法匹敌的特性——其尺寸能小到纳米量级。此外，它的信号传输速度很快，功耗很低。更重要的是，相变神经元是随机的，这意味着在相同的输入信号下，多个相变神经元的输出会有轻微的不同，而这正是生物神经元的特性。

IBM相变神经元由输入端（类似生物神经元的树突）、神经薄膜（类似生物神经元的双分子层）、信号发生器（类似生物神经元的神经细胞主体）和输出端（类似生物神经元的轴突）组成。信号发生器和输入端之间还有反馈回路以增强某些类型的输入信号。

经薄膜是整个神经元的关键。在生物神经细胞中，起神经薄膜作用的是一层液态薄膜，它的物理机理类似于电阻和电容：它阻止电流直接通过，但同时又在吸收能量。当能量吸收到一定程度，它就向外发射自己产生的信号。这信号沿着轴突传导，被其他神经元接收。然后再重复这一过程。
　　在IBM制造的神经元中，液态薄膜被一小片神经薄膜取代。神经薄膜是由锗锑碲复合材料（也称GST材料）制成的，该材料也是可重写蓝光光盘的主要功能材料。锗锑碲复合材料是一种相变材料，即它可以以两种状态存在：晶体态和无定形态。通过激光或电流提供能量，两种状态之间可以互相转变。在不同状态下，相变材料的物理特性截然不同：锗锑碲复合材料在无定形态下不导电，而在晶体态下导电。
　　在人工神经元中，锗锑碲薄膜起初是无定形态的。随着信号的到达，薄膜逐渐变成结晶态，即逐渐变得导电。最终，电流通过薄膜，制造一个信号，并通过该神经元的输出端发射出去。在一定的时间后，锗锑碲薄膜恢复为无定形态。这个过程周而复始。



科研人员表示，这种神经元集群与人造突触等纳米计算元件联合，或是制造可用于认知计算领域的下一代超密集神经形态计算系统的关键，这一系统可用于认知计算领域。
研究负责人埃万杰洛斯·埃莱夫特里乌说：“十多年来，我们一直在研究相变存储（PCM）材料。今年5月我们公布的最新相变存储技术表明，每个单元能稳定存储3比特数据；现在我们再次证明，基于相变材料的人工神经元能执行多种计算，如检测数据关联等，而且速度快、能耗低。”
最新制造出的人工神经元由包括锗锑碲化物在内的相变材料组成，这些相变材料会展示出非结晶态和结晶态两种稳定的状态：一种非结晶态；一种结晶态，是制造可擦写蓝光光盘的基础。
在最新研究中，科学家们在人工神经元上施加了一系列电子脉冲，使相变材料不断结晶，最终导致神经元“点火”。在神经科学领域，这一功能被称为生物神经元的集成—点火属性，它是基于事件的计算基础。从原理上说，与人们接触某些热东西后大脑的反应一样。
这一发现使单个神经元也能被用来探测行为模式，发现基于事件的实时数据流内的关联。例如，在物联网中，传感器能收集并分析海量天气数据用于天气预报；这一人工神经元也能用来探测金融交易模式中的差异。能用于拥有协同定位存储和处理单元的神经形态协同处理器内。
IBM的科学家们让数百个神经元组成集群，并使用它们来代表快而复杂的信号；同时证明，这些人工神经元能耐受数十亿次的开关操作，相当于以100赫兹的更新频率工作多年。神经元每次更新所需的能量不到5皮焦（10-12焦），平均电压不足120微瓦（百万分之一瓦）。

http://it.sohu.com/20160804/n462610626.shtml
认知计算领域新突破：IBM人造神经元可储存并处理数据

美国当地时间8月3日，IBM官方宣布了他们的最新成果——首个人造神经元，可用于制造高密度、低功耗的认知学习芯片。IBM苏黎世研究中心制成了世界上第一个人造纳米尺度随机相变神经元。IBM已经构建了由500个该神经元组成的阵列，并让该阵列以模拟人类大脑的工作方式进行信号处理。

　　该技术突破具有重要意义，因为相变神经元具有传统材料制成的神经元无法匹敌的特性——其尺寸能小到纳米量级。此外，它的信号传输速度很快，功耗很低。更重要的是，相变神经元是随机的，这意味着在相同的输入信号下，多个相变神经元的输出会有轻微的不同，而这正是生物神经元的特性。

IBM相变神经元由输入端（类似生物神经元的树突）、神经薄膜（类似生物神经元的双分子层）、信号发生器（类似生物神经元的神经细胞主体）和输出端（类似生物神经元的轴突）组成。信号发生器和输入端之间还有反馈回路以增强某些类型的输入信号。

经薄膜是整个神经元的关键。在生物神经细胞中，起神经薄膜作用的是一层液态薄膜，它的物理机理类似于电阻和电容：它阻止电流直接通过，但同时又在吸收能量。当能量吸收到一定程度，它就向外发射自己产生的信号。这信号沿着轴突传导，被其他神经元接收。然后再重复这一过程。
　　在IBM制造的神经元中，液态薄膜被一小片神经薄膜取代。神经薄膜是由锗锑碲复合材料（也称GST材料）制成的，该材料也是可重写蓝光光盘的主要功能材料。锗锑碲复合材料是一种相变材料，即它可以以两种状态存在：晶体态和无定形态。通过激光或电流提供能量，两种状态之间可以互相转变。在不同状态下，相变材料的物理特性截然不同：锗锑碲复合材料在无定形态下不导电，而在晶体态下导电。
　　在人工神经元中，锗锑碲薄膜起初是无定形态的。随着信号的到达，薄膜逐渐变成结晶态，即逐渐变得导电。最终，电流通过薄膜，制造一个信号，并通过该神经元的输出端发射出去。在一定的时间后，锗锑碲薄膜恢复为无定形态。这个过程周而复始。



科研人员表示，这种神经元集群与人造突触等纳米计算元件联合，或是制造可用于认知计算领域的下一代超密集神经形态计算系统的关键，这一系统可用于认知计算领域。
研究负责人埃万杰洛斯·埃莱夫特里乌说：“十多年来，我们一直在研究相变存储（PCM）材料。今年5月我们公布的最新相变存储技术表明，每个单元能稳定存储3比特数据；现在我们再次证明，基于相变材料的人工神经元能执行多种计算，如检测数据关联等，而且速度快、能耗低。”
最新制造出的人工神经元由包括锗锑碲化物在内的相变材料组成，这些相变材料会展示出非结晶态和结晶态两种稳定的状态：一种非结晶态；一种结晶态，是制造可擦写蓝光光盘的基础。
在最新研究中，科学家们在人工神经元上施加了一系列电子脉冲，使相变材料不断结晶，最终导致神经元“点火”。在神经科学领域，这一功能被称为生物神经元的集成—点火属性，它是基于事件的计算基础。从原理上说，与人们接触某些热东西后大脑的反应一样。
这一发现使单个神经元也能被用来探测行为模式，发现基于事件的实时数据流内的关联。例如，在物联网中，传感器能收集并分析海量天气数据用于天气预报；这一人工神经元也能用来探测金融交易模式中的差异。能用于拥有协同定位存储和处理单元的神经形态协同处理器内。
IBM的科学家们让数百个神经元组成集群，并使用它们来代表快而复杂的信号；同时证明，这些人工神经元能耐受数十亿次的开关操作，相当于以100赫兹的更新频率工作多年。神经元每次更新所需的能量不到5皮焦（10-12焦），平均电压不足120微瓦（百万分之一瓦）。

http://it.sohu.com/20160804/n462610626.shtml