研究人员开发新型人工神经元设备有望减少自动驾驶所需计算能力和硬件-电子工程世界

据外媒报道，加州大学圣地亚哥分校（University of California San Diego）研究人员开发了新型人工神经元设备，有望使训练神经网络执行任务（如图像识别或自动驾驶汽车导航等）所需的计算能力和硬件更少。与现有基于CMOS的硬件相比，该设备运行神经网络计算所使用的能量和空间要少100到1000倍。

自动驾驶，自动驾驶,神经网络，新型人工神经元设备

（图片来源：https://scitechdaily.com/）

神经网络是一系列相互连接的人工神经元层，其中一层的输出为另一层提供输入。生成输入通过应用称作非线性激活函数的数学计算来完成。这是运行神经网络的关键部分，但是由于需要在两个独立的单元（内存和外部处理器）之间来回传输数据，应用这一功能需要大量的计算能力和电路。

研究人员开发了一种纳米大小的设备，可以有效地执行激活功能。加州大学圣地亚哥分校教授Duygu Kuzum表示，“随着神经网络模型变得越来越大、越来越复杂，硬件中的神经网络计算变得越来越低效。我们开发了单一的纳米级人工神经元设备，能以一种非常节省空间和能量的方式在硬件上实现计算。”

该装置实现了神经网络训练中最常用的激活功能之一，称为整流线性单元。这一功能的特别之处在于，需要采用能够承受电阻逐渐变化的硬件才能工作。而研究人员设计的设备可逐渐从绝缘状态转变为导电状态，而且仅需少量热量的帮助。这一转变发生在纳米级的二氧化钒层中，被称为莫特转变（Mott transition）。在这层之上是由钛和黄金制成的纳米线加热器，当电流流经纳米线时，二氧化钒层会慢慢升温，导致从绝缘状态到导电状态的缓慢的、可控的转换。

该项研究的第一作者Sangheon Oh解释称，“此种设备架构非常有趣和创新。通常情况下，由于电流直接流过材料，莫特转变的材料会经历从绝缘到导电的突然转变。为此，我们让电流通过材料顶部的纳米线来加热材料，并诱导非常渐进的电阻变化。”

为了部署该装置，研究人员首先制造了激活（或神经元）装置阵列，以及突触装置阵列。然后，将两个阵列集成在定制的印刷电路板上，并将它们连接在一起，创建硬件版本的神经网络。研究人员利用该网络处理一张图像，即加州大学圣地亚哥分校盖泽尔图书馆的图片。该网络执行称作边缘检测的图像处理，识别图像中物体的轮廓或边缘。实验表明，集成硬件系统可以执行卷积操作，这对于许多类型的深度神经网络是必不可少的。

研究人员表示，“该项技术可以进一步扩展，以完成更复杂的任务，如自动驾驶汽车面部识别和物体识别。Kuzum表示，“目前，这只是一项概念验证。这是一个很小的系统，我们只在其中堆叠了一个突触层和一个激活层。将更多层叠加在一起，就可以为不同的应用打造更复杂的系统。”

关键字：神经网络人工神经元加州大学圣地亚哥分校引用地址：研究人员开发新型人工神经元设备有望减少自动驾驶所需计算能力和硬件

上一篇：盘点亮相上海车展的“黑科技”，V2X、数字灯光崭露头角！
下一篇：Maxim Integrated：为智能座舱加点“料”！

推荐阅读最新更新时间：2024-10-28 06:15

因特尔研发的首款神经网络芯片将于明年量产

英特尔看到 Nvidia 在 AI 领域大放异彩，也想要用手上芯片弄机器学习，用一堆 Atom 芯片组成 Xeon Phi 架构，但是看来效果没想像中好。英特尔在 AI 开发者大会上发布第一款机器学习芯片 Nervana NNP-L1000，打算用并购的技术与 Nvidia 一较高下。对于英特尔来说积极在 AI 布局相当重要，而从先前并购取得的技术当中，就属 Nervana 的神经网络芯片，最被看好能在 AI 时代有发展潜力，而且能跟 Nvidia 竞争了。英特尔发布的文章指出 Nervana NNP-L1000 的性能：一般性质的距阵对距阵乘法 (General Matrix to Matrix Multi

[嵌入式]

基于神经网络预测器的传感器数据证实技术研究

摘要：提出了基于神经网络预测器的传感器数据证实技术。首先利用神经网络对传感器输出的时间序列建立预测模型，然后利用该模型预测出传感器由值，并且该值与传感器实际输出值之数据的影响。同时，为了实现在线应用，采用了遗传算法对神经网络的优化技术。关键词：传感器数据证实神经网络遗传算法对于高速、大容量、高性能的复杂装置和设备，在运行中如果出现故障往往会产生巨大的、甚至是灾难性的后果。对这些装置和设备运行状态的监测与诊断是解决其可靠性、安全性的关键途径之一。作为测量控制系统中诸参量的关键部件，传感器被广泛地应用到这些装置和设备中。可以说，传感器技术是现代测试和控制技术的灵

[应用]

人工智能重大进展!首个光电子神经网络问世

神经网络正席卷着计算世界。在它们的帮助下，研究人员得以推进机器学习的进程。面部识别、对象识别、自然语言处理、机器翻译……这些原本都是人类才有的技能，现在逐渐成为了机器的常规配置。　　由于神经网络能够推动人工智能的发展，这给了研究人员更大的动力来创建更强大的神经网络。而这项研究的关键是创建类似神经元(neurons)的电路，即神经形态芯片(neuromorphic chip)。那么，如何使电路的速度得到显著提升? 　　现在，这一问题或许有了答案。据MIT报道，普林斯顿大学的Alexander Tait团队创建了全球首个光电子神经网络，并展示了其在计算上的超速度。　　一直以来，光学计算都被寄予厚望。光子的带宽要比电子高，因

[安防电子]

Imagination 神经网络加速器助力展锐其新一代5G智能手机平台

Imagination Series3NX神经网络加速器助力展锐打造其新一代5G智能手机平台优异的PPA特性和可扩展性支持SoC制造商实现领先AI功能英国伦敦和中国上海，2021年12月20日–Imagination Technologies宣布：领先的无晶圆厂半导体公司展锐（UNISOC）已在其发布的5G业务新品牌——唐古拉系列中T770 和 T760芯片中采用了Imagination的PowerVR Series3NX神经网络加速器（NNA）半导体知识产权（IP）。此次合作是双方在人工智能（AI）、图形处理等领域多年合作的良好延续。Series3NX NNA将凭借优异的PPA（性能、功耗、面积）特性助力唐古拉T77

[手机便携]

特斯拉又要创造一项新的纪录：正式推出自研超级计算机群

马斯克即将又要创造一项新的纪录，特斯拉的‘Dojo’即将取代日本的‘富岳’，成为全球最快的超级计算机。作为一家汽车生产商、自动驾驶公司以及电池及储能公司，特斯拉昨天正式宣布要与Intel、AMD以及NIVIDIA厮杀：正式推出了自研的超级计算机群。　　这套超算平台将要用于特斯拉自动驾驶神经网络的训练。　　显然，网友们对特斯拉用这个超算来训练自动驾驶这件事充满了‘疑惑’。　　在CVPR自动驾驶工作坊的演讲中，特斯拉的AI带头人，高级工程师Karpathy介绍了特斯拉超级计算机的基本情况。这台计算机群采用了5760个算力为321TFLOPS的英伟达A100显卡，组成了720个节点，总算力突破了1.8EFLOPS

[嵌入式]

连源代码都贡献出来了，看来Facebook真的要把机器学习搞大

正在美国纽约举行的国际机器大会（ICML）上，我们很难忽略 Facebook 研究科学家们的身影——他们呈现三篇论文、主导四场研讨会、并主讲两场教程。其中包括 FB 研究科学家 Ronan Collobert、Armand Joulin 和 Laurens van der Maaten合作的论文《 Torch ：机器学习研究的开源平台》。 Torch 是进行深度机器学习研究的主要框架之一，不过研究人员必须重复实验逻辑，Facebook 推出的 Torchnet 由于鼓励模块化编程和代码重用，未来可以推动机器视觉、自然语言处理和语音处理等多个机器学习领域的发展，并且，整个研究社区都能通过插件参与贡献。

[嵌入式]

英特尔、Facebook 携手，业界首款神经网络处理器年底出货

英特尔（Intel Corporation）执行长 Brian Krzanich 17 日透过官网新闻室发布社论宣布，英特尔开发的业界首款神经网路处理器（NNP）“Nervana”将于今年底以前出货，他并表示，英特尔在推出这项新人工智能（AI）硬体的同时，很高兴能与 Facebook 密切合作。 Krzanich 指出，英特尔 Nervana NNP 将为无数产业带来革命性 AI 运算效能。例如，AI 能化不可能为可能，推进癌症、帕金森病及其他脑部疾病的尖端研究；社群服务商将可透过 AI 为客户提供更为个人化的体验；Nervana NNP 所提供的加速学习功能将可让自驾车尽早实现上路愿景。 Krzanich 表示，英特尔有

[半导体设计/制造]

干掉高速摄像头！神经网络生成极慢视频，突破人类肉眼极限

英伟达团队CVPR-18论文Super SloMo使用深度学习，能将任意视频变为“高清慢速播放”模式，从此不再错过任何细节。今天有人开源了PyTorch实现，赶紧来试试吧！总有那么一些细节，你瞪大双眼拼了命想看清却依然奈不了何，比如下面这个：跟得上球吗？要看清男子羽毛球比赛的细节实在不容易有时候想盯住飞来飞去的羽毛球，非常吃力，这就是人类肉眼的极限。你或许会说，好解决啊，用慢速回放功能就行了。确实可以回放，但慢速回放的前提，是摄像机一开始就捕捉到了这些细节。如今，一些大型体育赛事已经用上了工业高速摄像头，为的就是在裁判的裁决引发争议时，可以用慢镜头回放来判定结果。但是，没有专业的高速摄像头怎么办？像我们用智能

[家用电子]

热门资源推荐
热门放大器推荐

小广播

研究人员开发新型人工神经元设备 有望减少自动驾驶所需计算能力和硬件

研究人员开发新型人工神经元设备有望减少自动驾驶所需计算能力和硬件