「香港飛龍」標誌 本文内容： 如果您希望可以時常見面，歡迎標星收藏哦~來源：內容來自dqindia，謝謝。新加坡國立大學的研究人員證明，單個晶體管可以模擬神經和突觸行爲，使受大腦啓發的計算更接近現實。新加坡國立大學 (NUS) 的研究人員已經證明，單個標準硅晶體管（計算機、智能手機和幾乎所有電子系統中使用的微芯片的基本構件）在以特定的、非常規的方式操作時可以像生物神經元和突觸一樣發揮作用。該研究團隊由新加坡國立大學設計與工程學院材料科學與工程系副教授 Mario Lanza 領導，爲基於硬件的人工神經網絡 (ANN) 提供了一種高度可擴展且節能的解決方案。這使神經形態計算（芯片可以更有效地處理信息，就像人腦一樣）更接近現實。他們的研究於 2025 年 3 月 26 日發表在《自然》雜誌上。將大腦放入硅片中世界上最複雜的計算機已經存在於我們的大腦中。研究表明，人類大腦總體上比電子處理器更節能，這要歸功於近 900 億個神經元，它們彼此之間形成了大約 100 萬億個連接，而突觸會隨着時間的推移調整其強度——這一過程被稱爲突觸可塑性，它是學習和記憶的基礎。幾十年來，科學家一直試圖利用人工神經網絡 (ANN) 複製這種效率。ANN 近來推動了人工智能 (AI) 的顯著進步，其靈感大致來源於大腦處理信息的方式。但是，雖然它們借用了生物學術語，但相似之處只是表面的——基於軟件的 ANN，例如那些爲 ChatGPT 等大型語言模型提供支持的 ANN，對計算資源有着極大的需求，因此也需要電力。這使得它們在許多應用中不切實際。神經形態計算旨在模仿大腦的計算能力和能源效率。這不僅需要重新設計系統架構以在同一位置執行內存和計算（即所謂的內存計算 (IMC)），還需要開發利用物理和電子現象的電子設備，能夠更忠實地複製神經元和突觸的工作方式。然而，目前的神經形態計算系統因需要複雜的多晶體管電路或新興材料而受到阻礙，這些材料尚未經過大規模製造的驗證。蘭扎教授表示：“爲了實現真正的神經形態計算，即微芯片的行爲類似於生物神經元和突觸，我們需要既可擴展又節能的硬件。”新加坡國立大學的研究小組現已證明，單個標準硅晶體管在以特定方式排列和操作時，可以複製神經放電和突觸重量變化——這是生物神經元和突觸的基本機制。這是通過將塊體終端的電阻調整到特定值來實現的，這可以控制晶體管中發生的兩種物理現象：穿透碰撞電離和電荷捕獲。此外，該團隊還構建了一箇能夠在神經元或突觸狀態下運行的雙晶體管單元，研究人員將其稱爲“神經突觸隨機存取存儲器”，簡稱 NS-RAM。“其他方法需要複雜的晶體管陣列或新材料，製造工藝也不確定，但我們的方法利用的是商用 CMOS（互補金屬氧化物半導體）技術，這是現代計算機處理器和內存微芯片中採用的平臺，”蘭扎教授解釋說。“這意味着它具有可擴展性、可靠性，並且與現有的半導體制造工藝兼容。”通過實驗，NS-RAM 單元表現出低功耗、在多箇操作週期內保持穩定性能並在不同設備上表現出一致、可預測的行爲——所有這些都是構建適用於實際應用的可靠 ANN 硬件所需的屬性。該團隊的突破標誌着緊湊、節能的 AI 處理器開發的一箇重大進步，可以實現更快、響應更快的計算。https://www.dqindia.com/esdm/advancing-semiconductor-devices-for-artificial-intelligence-8920406半導體精品公衆號推薦專注半導體領域更多原創內容關注全球半導體產業動向與趨勢*免責聲明：本文由作者原創。文章內容系作者個人觀點，半導體行業觀察轉載僅爲了傳達一種不同的觀點，不代表半導體行業觀察對該觀點贊同或支持，如果有任何異議，歡迎聯繫半導體行業觀察。今天是《半導體行業觀察》爲您分享的第4084期內容，歡迎關注。『半導體第一垂直媒體』實時 專業 原創 深度公衆號ID：icbank喜歡我們的內容就點“在看”分享給小夥伴哦 (本文内容不代表本站观点。) --------------------------------- |
本网站是"非商业"(non-commercial)。 暂统计至2025年6月6日，本网站共17125篇文章。 本网页使用CDN cache缓存，显示的网页内容可能并非最新版本。
