俄罗斯研发“忆阻性神经混合芯片” 加速推动人工智能等技术发展

科技工作者之家 2020-06-08

来源:中国指挥与控制学会


近日,俄罗斯罗巴切夫斯基州立大学与多国科学家合作,提出了一种“忆阻性神经混合芯片”(Memristive neurohybrid chip)的概念,芯片可用于紧凑型生物传感器和神经假体。该概念是基于神经细胞和微流体技术组合的现有和前瞻性解决方案,这些解决方案使“空间有序活动神经网络”的植入成为可能。 



1. 研发背景



罗巴切夫斯基州立大学物理与技术研究实验室负责人阿列克谢·米哈伊洛夫表示,不同子系统的交互作用是在单晶芯片上实现的,并由内置的模数电路控制。生物相容性微电子系统的应用以及细胞技术的发展,通过提供重要的竞争优势而在神经义肢方面取得突破:基于微结构和纳米结构的微型生物电传感器,可选择以多种方式存储和处理信号,因此可用作主动神经接口,用于智能控制和神经元结构管理。这种特性(使用传统的神经接口架构无法实现)可以扩展至其他类型的生物电信号,从而利用便携式信号处理与诊断系统来记录脑、心脏和肌肉活动以及皮肤状态的信号。为研制双向神经接口,科学家目前使用复杂的电子电路来实现特殊的数学模型和信息处理的神经形态。此类电子系统使用传统组件,不能满足能量效率和紧凑性要求,无法与同一芯片上活的培养物或组织进行安全交互。为解决该问题,俄罗斯罗巴切夫斯基州立大学的科学家提出了“忆阻性神经混合芯片”这一概念。
2. 忆阻性神经混合芯片



该芯片具有非线性电阻记忆的独特性,在模拟信息处理系统上具有广阔的应用前景。此外还可以用作电生理活动传感器,同时发挥信息积累和非易失性储存功能。

▲图1. 忆阻性神经混合芯片


忆阻性神经混合芯片由几个功能层组成,这些功能层集中在一个CMOS集成芯片上,图1A所示。顶层是神经元系统的一部分,此处由培养在多电极阵列上的离体海马细胞培养物表示,并通过微流体通道的特殊布局,按功能进行排序,如图1B所示。微电极层用于体外细胞外配准和神经元刺激,它与忆阻器层一起在CMOS顶部的金属层上运行。忆阻器层执行最简单的任务,即直接处理生物网络的尖峰活动;但完全连接的交叉忆阻器层的自主学习神经网络结构可用于生物电活动时空特征的自适应解码。创建忆阻性神经混合芯片需要对神经元系统、微电极层和忆阻器层的所有元素进行协同设计和优化,包括材料、设备、体系结构和运行系统。这项工作也需与生物和神经技术的发展保持同步,以解决涉及生物相容性、机械效应、几何构型、微电极和探针的定位与微型化等问题,并利用人工电子系统进行细胞或组织培养。忆阻性神经混合芯片这一概念将为下一代机器人技术、人工智能和个性化医疗提供一种更广泛应用的忆阻性神经混合系统:“片上大脑”(brain-on-chip)。

3. 研发路线图



为加速该概念的原型转化,研究团队已提出忆阻性神经形态和神经混合系统的路线图。路线图的重点将放在利用生物神经网络的体系结构和原理对专用硬件进行开发和商业化。路线图包括以下几个阶段:神经形态计算设备;非侵入性神经接口、神经植入物、神经假体和侵入性神经接口等。

4. 主要应用



与用于创建微电极矩阵和忆阻器件阵列的CMOS(互补金属氧化物半导体)兼容技术相结合,该芯片可用于实时记录、处理和刺激生物电活动,可用以支持人工智能、机器学习、神经假体和神经接口技术的开发和大规模引进。

5. 重要影响



忆阻器的独特性能决定了它们在神经计算器件,脑机接口和神经假体的应用神经形态和神经混合系统的开发中至关重要。鉴于人工智能技术、物联网、“大数据”和“智慧城市”技术、机器人技术的发展和应用速度,到2030年,神经计算元器件,脑机接口和神经假体这三大领域将在价值数万亿美元的世界高科技市场中占据重要份额。 
作者:唐睿      来源:  国防科技要闻



长按下方二维码    免费订阅





C2

如何加入学会

注册学会会员:

个人会员:

关注学会微信:中国指挥与控制学会(c2_china),回复“个人会员”获取入会申请表,按要求填写申请表即可,如有问题,可在公众号内进行留言。通过学会审核后方可在线进行支付宝缴纳会费。

单位会员:

关注学会微信:中国指挥与控制学会(c2_china),回复“单位会员”获取入会申请表,按要求填写申请表即可,如有问题,可在公众号内进行留言。通过学会审核后方可缴纳会费。


长按下方学会二维码,关注学会微信






来源:c2_china 中国指挥与控制学会

原文链接:https://mp.weixin.qq.com/s?__biz=MzA4ODcwOTExMQ==&mid=2655595366&idx=3&sn=3f7f573dc7de00d134ba593695cbbe32&chksm=8b9b89febcec00e83d2b2b63eb6ed823609e220e26444b466fc58542e1c3ac410468a6beda6e#rd

版权声明:除非特别注明,本站所载内容来源于互联网、微信公众号等公开渠道,不代表本站观点,仅供参考、交流、公益传播之目的。转载的稿件版权归原作者或机构所有,如有侵权,请联系删除。

电话:(010)86409582

邮箱:kejie@scimall.org.cn

人工智能 芯片

推荐资讯