光学“圣杯”——模拟大脑神经突触的光子芯片的诞生

上传 / 管理员 ·2017-10-23 物理学,材料学,大脑突触,光子芯片

论文标题 / On-chip photonic synapse

作者 / Zengguang Cheng, CarlosRios, Wolfram H. P. Pernice, C. DavidWright and Harish Bhaskaran

期刊 / Science Advances

发表时间 / 2017-09-27

数字识别码 / 0.1126/sciadv.1700160

关注此文
分享至:

【论文摘要】

The search for new “neuromorphic computing” architectures that mimic the brain’s approach to simultaneous processing and storage of information is intense. Because, in real brains, neuronal synapses outnumber neurons by many orders of magnitude, the realization of hardware devices mimicking the functionality of a synapse is a first and essential step in such a search. We report the development of such a hardware synapse, implemented entirely in the optical domain via a photonic integrated-circuit approach. Using purely optical means brings the benefits of ultrafast operation speed, virtually unlimited bandwidth, and no electrical interconnect power losses. Our synapse uses phase-change materials combined with integrated silicon nitride waveguides. Crucially, we can randomly set the synaptic weight simply by varying the number of optical pulses sent down the waveguide, delivering an incredibly simple yet powerful approach that heralds systems with a continuously variable synaptic plasticity resembling the true analog nature of biological synapses.

 

科研圈

比人脑更快的模拟大脑,将诞生在光中?

编译 阿金
审校 程增光(论文第一作者)

图片来源:sciencealert.com

由英国牛津大学、德国明斯特大学和英国埃克塞特大学组成的研究团队,近日在开发光子计算机芯片方面做出了开拓性的贡献:科研人员将一种相变硫族化物材料(PCM)Ge2Sb2Te5结合特殊设计的集成光子电路,利用光子而不是电子,来模仿人类大脑突触运作,传输和处理信号。

这种光子突触运作速度是人类大脑突触的一千倍。该团队相信本研究能够打开运算新纪元:机器能够用与人类大脑相似的方式工作和思考,同时其运行速度和工作效率堪比光子系统。

传统的计算机系统是建立在冯·诺依曼架构的基础上,即中央处理单元独立于主记忆单元,人类大脑中有大量的神经元和神经突触,既可运算,同时也可记忆。这独特的结构意味着我们只需一点点能量就可以处理情绪、学习和思考。

图片来源:nanotechweb.org

大脑中一个神经细胞产生动作电位(前脉冲时间tpre),沿轴突将信号传达给连接着的下一个神经细胞。这些动作电位是通过与下一个神经细胞(记作后神经细胞)的连接传输,后神经细胞会产生后突触电位(后脉冲时间为tpost)。这个连接就是突触,而“突触权重”(w)决定前神经细胞和后神经细胞之间信息沟通的强度。

突触权重的变化 (Δw)也称为“突触可塑性”,依赖于神经细胞的活动。比如:Δw=f(tpost-tpre) 被认为是人类和动物大脑学习和记忆的主要运行机制(赫布学习规则)。

物理层面上模仿神经系统

神经形态或脑启发计算的目标是在神经元和突触的物理层面上模仿神经系统,更多地依赖类神经网络,而不是1和0的二进制运算模式。这种运算模式由于使用大量的并行运算,能够更容易地处理世界各地产生的大数据流,支撑新兴技术,如人工智能、物联网(IoT)。然而,要制造出这种新一代的计算机,就需要开发出具有可塑性的人工突触器件。

基于相变硫族化物中电学诱导电阻变化的电子元件,金属-绝缘体-金属结构,铁电材料和基于纳米材料场效应晶体管,开始在人工突触的应用上崭露头角。而基于微纤维的光子突触和使用碳纳米管的光电子突触也是有利的竞争者。问题是此类元件要么很难整合到芯片上,运行速度也有限制,要么不是真正全光学元件,因为仍然需要通过电子信号激活才能运行。

突触权重与处理

本科研小组如今制造出的光子突触,将 PCM 和集成氮化硅波导结合使用,通过波导传输光子信号,调控突触权重和信号处理。“我们能够通过波导发送的脉冲数来调整光子的传输。”领导实验团队的 Harish Bhaskaran 教授解释道,“我们根据前神经元和后神经元兴奋的时间差来给真正运作的突触调整权重,同时开发一种技术将脉冲由数量性依赖转化为时间性依赖,实际上,这就是模仿了突触可塑性。”研究人员说,他们用光学环行器来连接突触和后神经元的输出,利用光学脉冲来改变突触权重。根据突触权重的传输水平,他们可以检测到前神经元传给后神经元的低能光传输。

改变多光子突触的权重

“Ge2Sb2Te5 可用来调整光”。发表该研究论文的第一作者程增光说道。“光子突触类似于物理层面的神经突触,能够实现突触可塑性,类似于赫布学习规则或者尖峰定时依赖可塑性(STDP)规则。”

神经网络中的光子突触

“通过简单地改变输送进波导中的光子脉冲数量,我们改变了多光子突触权重。”他继续讲到,“通过优化光子脉冲和使用的元件结构,我们相信我们能够做到持续可变的突触可塑性,就像真正的生物突触那样。我们的研究向实现这种可能性迈出了第一步。”

新加坡南洋理工大学的副教授 Cesare Soci 也从事光子突触相关的研究工作,他提到:“这个设计让片上仿生光子突触具有模拟可编程性和可重复编程特性,而集成光子波导也能提升级联性和扇出,这对于应用数十亿个光子突触的低功耗(与大脑相当)神经形态运算芯片来说是必不可少的。”

研究人员相信通过使用改良的器件设计、交换协议以及转换功率更低的 PCM,最终能够实现大规模光子神经形态网络,并与最先进的仿神经电子计算机性能相近。下一步的研究工作将会集中在“累积放电脉冲”神经元,从而完成集成的、仿生光子运算系统所需的构建模块。

图片来源:exeter.ac.uk

本论文的合作作者 David Wright 补充道:电子计算机速度相当慢。而运行速度越快,会消耗更多的电力。传统的电脑在这方面相当“愚笨”,不像人类大脑那样,有内置的学习和并行处理功能。我们这里解决了这两个问题:不仅是研究新的类脑计算机架构,而且通过在光学领域工作以充分利用即将到来的硅光子学革命带来的巨大速度优势和功率优势。

最后,Bhaskaran 教授总结道:“光学计算是相当热门的研究领域,因为它是光学最后一块壁垒,也是最高“圣杯”——将光纤完全运用到计算机芯片上。它在芯片尺寸上的优势和在大尺寸材料上运用的优势是相同的:超高的运行速度,无限带宽,没有来自附属组件的电功率损耗。很明显,这是一个非常崭新的领域,所以我们需要了解它的最终极限在哪里。”

 

Harish Bhaskaran 教授课题组主页:
http://nanoeng.materials.ox.ac.uk/Advanced_Nanoscale_Engineering_at_Oxford/Home.html

程增光博士主页:
https://www.researchgate.net/profile/Zengguang_Cheng2

 

参考来源:
1. Phase-changematerial makes first on-chip photonic synapse by Belle Dumé
2. On-Chip Photonic Synapse Mimics Neural Synapse
3. Researchers Have DevelopedMicrochips That Behave Like Brain Cells - "Holy grail" of computingby MIKE MCRAE
4. Scientists move step towards“holy grail” of computing by creating brain-like photonic microchips
5. New Photonic Synapses Mimic theBrain and Compute With Light by Edd Gent

参与评论

提交评论
正在加载 正在加载

身份认证

  • 真实姓名
  • 所在单位
  • 单位邮箱
  • 成果发表
  • ORCID

取消 提交

正在加载