新知一下
海量新知
5 9 7 0 4 4 3

Nature子刊:三星联合哈佛,试图“复制粘贴”人类大脑

中国机器人网 | 中国机器人领域网络传媒的开创者 2021/10/21 13:27

前言

从最近的一项研究成果来看,三星正希望通过记录哺乳动物的大脑地图,并将其粘贴到下一代存储芯片上,向神经形态计算领域迈出新的一步。

新知达人, Nature子刊:三星联合哈佛,试图“复制粘贴”人类大脑

当代神经形态学研究

神经形态工程背后的核心思想是以某种方式模拟神经元的活动——神经细胞是人脑的组成部分——并将其应用于计算芯片,力求将性能和能源效率提升到一个新的水平。

神经形态工程的目标之一就是革新AI。

从智能手机到高性能计算机器,当前一代的AI模型必须在庞大的数据集上进行训练,这样它们才能学会响应某些特定查询,并随着时间的推移,更好地适应用户的偏好。但神经系统提供了更多的灵活性,因为即是在许多受限的情况下,仍然可以生成答案。

当然,机遇的背后也伴随着诸多挑战,比如开发一种全新的内存、存储设备和传感器。此外,传统的数据编码和处理概念将不得不进行重写,由此一来,编写新的编程语言的需求也很可能成为障碍。

从最近的一项研究成果来看,三星正希望通过记录哺乳动物的大脑地图,并将其粘贴到下一代存储芯片上,向神经形态计算领域迈出新的一步。

为了实现创建下一代AI的目标,三星正在进行“神经形态工程”的研究,试图将哺乳动物大脑的基本神经元连接复制到记忆网络(Memory Networks)系统上。

新知达人, Nature子刊:三星联合哈佛,试图“复制粘贴”人类大脑

三星电子最近与美国哈佛大学的专家们合作,在Nature Electronics杂志上联合发表了题为《基于复制和粘贴大脑的神经形态电子》(Neuromorphic Electronics Based on Copying and Pasting the Brain)的研究论文。

该文章中,作者探索了目前这些神经形态工程方法的可能性和局限性,然后为神经形态电子学提供了一份新的愿景,并详细介绍了制造神经形态芯片的新方法。

三星并非是该领域唯一的重要参与者,英特尔(Intel)和IBM等公司也在开展类似项目的研究,甚至在过去十年中,展示了神经形态系统。

而三星这项研究,为我们展现了新的可能性。论文标题中写着Copying and Pasting the Brain,顾名思义,三星的目标是复制哺乳动物大脑(或其部分)的神经元连接图,并将其粘贴到高密度的3D固态存储网络上。

具体地说,即复制大脑的低功耗需求、认知和自主能力以及适应性等属性,并利用这些学习能力创造一种用于高级计算场景的神经形态芯片。

为了实现上述目标,三星和哈佛的研究人员需要对大脑神经元连接进行“复制、粘贴”,构建自然神经网络(NNN, Natural Neuronal Network)并模仿其天生的处理能力。

他们在实现过程中采用的是一种称为CMOS纳米电极阵列(CNEA, the CMOS nanoelectrode array)的硅神经电子接口。其中,CMOS纳米电极阵列是此前哈佛大学研究团队的成果,可以同时记录数千个神经元的突触连接。

据悉,CNEA能够复制NNN的功能突触连接图。

新知达人, Nature子刊:三星联合哈佛,试图“复制粘贴”人类大脑

该项目背后的团队旨在从全网络的细胞内记录数据中提取连接图,而这些数据来自实验室条件下培养的具备活性且功能正常的神经元。一旦数据被复制,下一阶段就是将其粘贴到传导记忆网络上,在这个系统中,每个记忆单元都被视为相应生物突触连接的强度象征。

至于内存芯片的选择,三星正在探索从动态随机存取存储器(DRAM, Dynamic Random Access Memory)和闪存到下一代解决方案,如自旋转移矩(STT, Spin Transfer Torque)磁性随机存取存储器(MRAM, Magnetic Random Access Memory)、相变随机存取存储器(PRAM, Phase-Change Magnetic Random Access Memory)和电阻式随机存取存储器(RRAM, Resistive Magnetic Random Access Memory)。

尽管其中的某些还远未被商用,但这四种存储芯片各具优势,无疑为内存芯片的研究敞开了大门。

为了解决包含数百万子单元的存储系统的空间限制,三星计划使用3D堆叠技术来减少表面积。

新知达人, Nature子刊:三星联合哈佛,试图“复制粘贴”人类大脑

通过计算机辅助分析 N 个细胞内记录提取的功能性突触连接图,可用于合成具有约 1,000N 个记忆的记忆网络(左)

研究称,团队使用的复制粘贴技术能够反映大脑进行计算的一些基本机制。

对生物神经网络进行逆向工程的第一步是使用具有数十亿个纳米电极阵列的半导体。

该阵列与神经元接触,阵列中的每个电极(远小于单个神经元)都可以获取准确的电读数。第二步涉及获取电信号模式并将其转换为一组加权网络,以完美模拟生物神经网络的电模式。

最后一步需要将其编程到非易失性存储器中。然后,该设备的行为应该与生物神经网络完全相同,本质上是复制和粘贴生物神经网络的结构和功能。

虽然使用现代技术对单片脑组织(即 2D 神经元平面)进行这种设计是可能的,但要实现 3D 脑结构将变得具有指数级的挑战性。仅人脑就有超过 1000 亿个神经元,还不包括神经元之间的连接,而这种连接对于大脑学习和理解其环境同样至关重要。

研究人员面临的最大挑战在于大脑是一个三维结构,这使得记录大脑深处的电活动变得非常困难。此外,对神经元造成任何一丝损害,往往会对它们的功能产生不利影响。

研究人员不太可能重建 3D 神经结构。然而,创建神经元的 2D 平面并训练和监控它们的行为已经是可能的了。

尽管前路漫漫,但这可能是迈向大脑逆向工程研究的第一步。

免责声明

文章来源:数据实战派

凡资讯来源注明为其他媒体来源的信息,均为转载自其他媒体,并不代表本网赞同其观点,也不代表本网对其真实性负责,转载请联系原出处。您若对该文章内容有任何疑问或质疑,请立即与后台小编联系,平台将迅速给您回应并做处理。注明本公司原创内容,转载请与我们联系哦!

更多“生物科技”相关内容

更多“生物科技”相关内容

新知精选

更多新知精选