IBM从相变记忆中创建人工神经元，用于认知计算

IBM科学家使用相变内存（PCM）创建了人造神经元和突触，这些内存模仿大脑的认知学习能力。

这是研究人员首次使用相变材料来存储和处理数据的“随机尖峰神经元”首次。该发现是开发能源啜饮和高度密集的神经网络的里程碑，可用于认知计算应用。

简而言之，该技术可用于改善今天的处理器，以便以令人惊讶的快速速度执行诸如数据相关检测的应用中的计算，例如数据相关检测，股票市场交易和社交媒体帖子。

IBM的研究结果，“随机相变神经元，”在制作中为10年，今天出现在同行评审期刊自然纳米技术的封面上。

IBM同伴Evangelos Eleftheriou表示，市场仍然会在市场上看到PCM处理芯片之前的“几年”。但最近的发现是他们发展中的一个关键突破。

PCM的随机性模仿脑神经元

灵感来自人类脑功能的方式，科学家已经理论为几十年来，可以模仿大量神经元的多功能计算能力。然而，在与生物系统相当的密度和微型电压下这样做是一项重大挑战 - 直到现在。

技术的关键是人工神经元“随机变异或”随机“行为或随机行为。

在统计数据中，随机变量可用于确定数据分析中可能的结果;换句话说，它可以确定数据相关的可能性。

“基本上，它经营大脑如何运作，通过突触令人兴奋的神经元的短电压脉冲，”苏黎世的IBM Research of IBM Research的托管作者“Tomas Tuma”。“所以我们使用[a]短脉冲，说，纳秒持续时间......以诱导材料的变化。”

Tuma的PCM的瞬间表现在基于人口的计算中，每个神经元的重要性都有不同的响应，并使新的方法能够代表信号和计算。

“通常，人们试图隐藏[随机性]，或者如果你想要良好的品质随机性，你必须人为地诱导它。在这里，我们已经显示了我们本身具有非常好的随机性，因为我们了解相变细胞中结晶和杂种的过程，“Tuma说。

今天正在创建的相变人造神经元的尺寸仅为90纳米（NM），但研究人员表示，它们必须施加将过程缩小到大小为14nm（纳米是米的十亿分之一）。

IBM研究人员已经将数百人的人工神经元组织成群体，并用它们代表快速和复杂的信号。也已被证明人工神经元维持数十亿的开关周期，这将在100Hz的更新频率下对应于多年的操作。每个神经元更新所需的能量小于五种微微杂音，平均功率小于120微型微孔。相比之下，为60瓦电灯泡供电需要6000万微米。

相变神经元的描述和其存在的两种状态在：晶体（有序）和无定形（随机）中存在。

神经系统处理器可以卸载数据密集型工作负载

根据Tuma，人工神经元将用于产生可以驻留的神经系统处理器，这些器可以驻留并排标准处理器，卸载分析密集型工作负载。

“我们展示我们可以使用相变细胞具有两个突触和神经元，”Tuma说。“发现在将阶段变更存储器上进行到一个下一级别并使用它来计算很重要。”

PCM，其也称为相变随机存取存储器（PRAM）是基于使用电荷的非易失性存储器的形式，以改变来自晶体的玻璃状物质的区域，或者有序状态，其原子是非晶态的随机分布。

通过施加电压尖峰，可以来回切换PCM的状态，可以用于表示数据和零或数据位。然而，PCM可以存在于两个以上的状态，而不仅仅是零零。

IBM，Micron，Samsung和Everspin等公司一直在尝试PCM作为一种非易失性记忆，因为它提供了最多100倍的性能，并且对NAND闪光的耐用性越来越好。因为制作成本昂贵，但迄今为止还尚未见到显着的市场摄取。PCM也不会受到与NAND闪存相关的数据损坏问题，该问题存储每个单元格的多个位。

但是，最新研究与创建新的非易失性存储器无关。相反，PCM正在用于创建新类型的处理器。

“我们一直研究了十多年来的记忆申请的阶段改变材料，我们在过去24个月中的进步是显着的，”IBM Somellos Evangelos Eleftheriou说。“在此期间，我们已经发现并发布了新的内存技术，包括投影内存，首次在相变存储器中存储3位，现在正在展示基于相变的人工神经元的强大功能。”

人工神经元由相变材料组成，包括锗，锑和碲化酰胺。这些材料是今天可重复的蓝光光盘的基础。但是，人工神经元不存储数字信息;它们是模拟的，就像我们大脑中的突触和神经元一样。

在公布的示范中，该团队将一系列电脉冲应用于人工神经元，这导致相变材料的逐渐结晶，最终导致神经元射击。在神经科学中，该功能被称为生物神经元的整合和灭火特性。这是基于事件的计算的基础，原则上类似于我们的大脑在触摸热点时触发响应的基础。

研究人员表示，利用这种集成和火灾属性，即使是单个神经元也可用于检测模式并在实时流中发现基于事件数据的实时流相关的相关性。

能够分析瞬间中的大量数据

例如，在物联网中，传感器可以收集和分析在边缘收集的天气数据的量，以进行更快的预测。人工神经元还可以检测金融交易中的模式，以寻找差异或使用社交媒体的数据实时发现新的文化趋势。这些高速低能量纳米尺度神经元的大群体也可以用于具有共同定位的内存和加工单元的神经形态协处理器。

什么也使IBM的人工神经元特殊是他们可以实现自学水平，可用于诸如数据分析的幂饥饿的应用，可以检测在推特或股票市场等社交网络中的随机模式。

例如，如果一股股票交易交换，则可能对其他股票以不易辨别的方式对他人产生影响。

Eleftheriou使用了“尿布和啤酒”预测分析城市传说，解释了人工神经元的机器学习如何工作。该传说争辩说，杂货店执行的一项研究发现了购买尿布和啤酒销售的男性之间的相关性。虽然不容易明白，但研究发现男性购买尿布被迫平衡他们的培育，女性一侧，并购买了一个男啤酒。

该研究的调查结果，传说促成，促使杂货店将啤酒更接近尿布，这导致两者销售增加了35％。其他杂货店套装。

“使用人工神经元，您也可以在两股股票之间找到相关性，您可以思考，”这两款股票如何连接？“Eleftheriou说。“我们不知道为什么会发生这种情况，但数据说它正在发生，突触可以显示这种相关性。”