详细内容或原文请订阅后点击阅览
基于忆阻器的贝叶斯机
一组研究人员创建了一种贝叶斯机器，这是一种使用忆阻器基于贝叶斯定理执行计算的人工智能方法。它比现有的硬件解决方案节能得多，可用于安全关键型应用。
来源:Qudata基于忆阻器的贝叶斯机
在过去的几十年里，机器学习模型在各种现实问题上的表现有了显著的提高。然而，训练这些模型，以及它们的实现，仍然需要大量的能源和计算能力。
因此，世界各地的工程师们都在试图开发替代的硬件解决方案，以更有效地运行人工智能模型。这可能有助于它们的广泛使用，并提高它们的可持续性。其中一些解决方案基于忆阻器，这是一种可以在不消耗电力的情况下存储信息的存储设备。
忆阻器是基于纳米器件的电子元件，可以限制或调节电路中电流的流动，还可以提前记录有多少能量通过了电路。由于它们既执行计算，又执行信息存储，因此这些设备可以更好地执行类似于人脑的信息处理任务。
巴黎萨克雷大学- CNRS、格勒诺布尔-阿尔卑斯大学-CEA-LETI、HawAI.tech、索邦大学和艾克斯-马赛大学- CNRS 的研究人员使用忆阻器开发了原型贝叶斯机（即基于贝叶斯定理的设备）。他们提出的系统发表在《自然电子》杂志上的一篇论文中，结果显示该系统比目前使用的硬件解决方案节能得多。
《自然电子》杂志光学显微镜下的完整贝叶斯机图像
“直到最近，忆阻器才是一项新兴技术，我们无法用它们实现完整的系统，”Querlioz 解释道。 “现在，我们的团队建造了一台贝叶斯机器，一个带有忆阻器的小型人工智能。原型包括 2048 个氧化铪忆阻器和 30080 个硅晶体管 (MOSFET)”。
这是贝叶斯机器在其 16 个忆阻器阵列之一上的放大光学显微镜图像。照片：Damien Querlioz（CNRS/巴黎-萨克雷大学）