În ultimii ani, inginerii au încercat să creeze sisteme hardware care să susțină mai bine cerințele ridicate de calcul ale algoritmilor de învățare automată. Acestea includ sisteme care pot îndeplini funcții multiple, acționând ca senzori, memorii și procesoare de calculator, toate în același timp.
Cercetătorii de la Universitatea Peking au dezvoltat recent o nouă platformă de calcul neuromorfică reconfigurabilă care integrează funcțiile de detectare și de calcul într-un singur dispozitiv. Acest sistem, prezentat într-o lucrare publicată în Nature Electronics, este compus dintr-o matrice de fototranzistori multipli cu un memristor (MP1R).
„Inspirația pentru această cercetare a provenit din limitările sistemelor tradiționale de calcul vizual bazate pe arhitectura von Neumann CMOS”, a declarat Yuchao Yang, autorul principal al lucrării. „Aceste sisteme se confruntă cu provocări semnificative în procesarea imaginilor în timp real din cauza separării fizice dintre senzorii de imagine, memorie și procesoare, ceea ce duce la redundanța datelor, consum mare de energie și întârzieri de procesare. În schimb, sistemele de vedere biologice, cum ar fi ochiul uman, demonstrează o eficiență și o adaptabilitate remarcabile, motivând dezvoltarea de abordări bioinspirate pentru calculul vederii.”
Deși memristorii fotonici s-au dovedit a fi dispozitive promițătoare pentru a rula algoritmi pentru vederea computerizată, capacitatea lor de a codifica și procesa date optice este limitată. Ca urmare, adesea nu sunt la fel de potrivite pentru a rula alte arhitecturi de rețele neuronale dincolo de cele concepute pentru a îndeplini sarcini de vedere computerizată. „Această provocare ne-a motivat să explorăm noi soluții de procesare în senzor, capabile să unifice paradigmele de învățare automată și de calcul vizual inspirate biologic”, a declarat Yang.
Obiectivul principal al studiului recent realizat de Yang și colegii săi a fost dezvoltarea unei platforme universale și reconfigurabile de procesare în senzor. Spre deosebire de sistemele anterioare bazate pe memristori fotonici, această platformă ar trebui să suporte atât algoritmi de viziune computerizată, cât și alte arhitecturi de rețele neuronale. „Am fabricat matricea MP1R prin integrarea unei matrice de fototranzistoare 20×20 cu 20 de canale de memristori Mott reconfigurabili”, a explicat Yang. „Procesul a început cu fabricarea de tranzistori amorfi cu peliculă subțire de oxid de indiu-galiu-zinc (α-IGZO) folosind o procesare compatibilă cu oxidul de siliciu”. Matricea de fototranzistoare 20×20 fabricată de Yang și colegii săi poate detecta lumina și își poate modula răspunsul în funcție de diferitele lungimi de undă ale acesteia. Mai exact, matricea prezintă un comportament de potențare atunci când este expusă la lumină albastră și un comportament de depresie atunci când este expusă la lumină roșie.
„Apoi, am integrat memristorii Mott, construiți din heterostructuri Ta/TaOx/NbOx/W, care oferă mai multe caracteristici cheie”, a declarat Yang. „Acestea includ o regiune rezistivă liniară, memorie volatilă și capacități de comutare a pragului. Aceste caracteristici permit sistemului să suporte mai multe tipuri de codificare – analogică și bazată pe vârfuri – și să simuleze eficient atât funcțiile sinaptice, cât și cele neuronale.”
Platforma creată de cercetători combină detectarea optică cu procesarea datelor și funcțiile de memorie într-un singur sistem. Aceasta este extrem de versatilă și poate fi utilizată pentru a rula algoritmi concepuți pentru a aborda o varietate de sarcini, de la sarcini de recunoaștere a imaginilor statice și bazate pe evenimente la analiza imaginilor colorate. „Lucrările noastre recente au condus la mai multe realizări notabile în domeniul sistemelor neuromorfice de viziune”, a declarat Yang. „Una dintre inovațiile cheie ale acestei lucrări este integrarea memristorilor de oxid Mott cu fototranzistoare pentru a crea un sistem hardware extrem de versatil. Această integrare permite sistemului să suporte mai multe funcții de codificare a imaginilor optice, inclusiv codificarea spațio-temporală, analogică și a vârfurilor, care anterior erau dificil de realizat într-un singur dispozitiv.”
În special, sistemul creat de Yang și colegii săi este compatibil cu o gamă largă de arhitecturi de rețele neuronale, inclusiv rețele neuronale convoluționale (CNN), rețele neuronale recurente (RNN) și rețele neuronale cu spiking (SNN). Această versatilitate remarcabilă ar putea facilita implementarea sa viitoare în setările din lumea reală. „O realizare semnificativă a sistemului nostru este capacitatea sa de a susține atât algoritmi de inspirație biologică, cât și algoritmi de învățare automată, reducând decalajul dintre aceste două paradigme în calculul vederii”, a declarat Yang.
„Acest sistem hardware reconfigurabil simplifică proiectarea circuitelor prin consolidarea mai multor principii de procesare neuronală într-un singur dispozitiv. Ca urmare, sistemul oferă o complexitate redusă a rețelei, o latență mai mică și o eficiență energetică îmbunătățită, ceea ce îl face deosebit de eficient pentru aplicațiile de procesare a imaginilor în timp real.”
Un alt avantaj al platformei create de Yang și colegii săi este fiabilitatea sa într-o gamă largă de sarcini. Acest lucru se datorează dispozitivelor memristor Ta/TaOx/NbOx/W cu variabilitate redusă pe care se bazează. „În ceea ce privește implicațiile practice, această lucrare pune o bază crucială pentru construirea unor sisteme de viziune neuromorfice la scară largă, eficiente din punct de vedere energetic și cu latență redusă”, a declarat Yang. „Aceste sisteme ar putea oferi o platformă puternică pentru aplicații avansate de inteligență artificială pentru viziune, oferind beneficii semnificative în ceea ce privește flexibilitatea, performanța și scalabilitatea.”
Eforturile recente ale acestei echipe de cercetători ar putea deschide calea pentru dezvoltarea altor platforme universale de viziune neuromorfică. Aceasta ar putea contribui la îmbunătățirea performanței algoritmilor de învățare automată pentru diverse sarcini, reducând în același timp și consumul lor de energie. „Deși am dezvoltat cu succes un memristor cu caracteristici dinamice bogate și am demonstrat avantajele sale în implementarea funcțiilor și arhitecturilor hardware de viziune neuromorfică, contribuind la progresele critice ale cercetării către o platformă de calcul de viziune neuromorfică universală, există încă o muncă semnificativă de făcut”, a adăugat Yang.
„În viitor, intenționăm să ne concentrăm pe realizarea integrării tridimensionale pentru a spori densitatea sistemului și eficiența de calcul”. În viitoarele lor studii, Yang și colegii săi vor încerca, de asemenea, să optimizeze consumul de energie al platformei lor și să îmbunătățească sensibilitatea acesteia la schimbările de iluminare. Acest lucru ar spori și mai mult versatilitatea sistemului, permițându-i să colecteze date de calitate și în lumină naturală și în condiții de iluminare redusă.
