声波神经形态计算降低功耗

# 利用声波进行神经形态计算可降低功耗 来源：https://spectrum.ieee.org/neuromorphic-computing-acoustic-chips 通过模仿大脑的运作方式，神经形态计算（https://spectrum.ieee.org/tag/neuromorphic-computing）可以使用比传统电子AI芯片（https://spectrum.ieee.org/tag/ai-chips）少得多的能源（https://spectrum.ieee.org/innatera-neuromorphic-chip）。然而，即便是当今最复杂的神经形态设备（https://www.lanl.gov/media/publications/1663/1269-neuromorphic-computing）仍然相当简单，只使用了人类神经元（https://spectrum.ieee.org/tag/neurons）中连接数量（https://www.frontiersin.org/journals/neuroscience/articles/10.3389/fnins.2022.959626/full）的一小部分。 现在，一项新研究表明，通过使用声波，神经形态设备可以更好地模仿生物神经元，并且运行速度更快、能效（https://spectrum.ieee.org/tag/energy-efficiency）更高。 “这可以使未来的神经形态硬件在需要结合多种特征的任务中（如图像识别（https://spectrum.ieee.org/tag/pattern-recognition）、感官处理和数据分析）变得更紧凑、更并行、更高效，”图森市亚利桑那大学材料科学与工程系（https://mse.engineering.arizona.edu/）和电子与计算机工程系（https://ece.engineering.arizona.edu/）助理教授Xiaodong Yan（https://mse.engineering.arizona.edu/faculty-staff/faculty/xiaodong-yan）表示。 正如大脑使用突触（https://spectrum.ieee.org/artificial-synapses）——连接神经元的纽带——来帮助其同时进行计算和数据存储一样，神经形态设备（https://spectrum.ieee.org/innatera-neuromorphic-chip）通常也结合了这两种操作。这样做可以减少传统微芯片（https://spectrum.ieee.org/tag/microchips）在处理器（https://spectrum.ieee.org/tag/processors）和内存之间穿梭（https://spectrum.ieee.org/tag/shuttle）数据所需的能量和时间。 每个人类神经元可能拥有数千个与其他细胞连接的突触；小脑（https://en.wikipedia.org/wiki/Cerebellum）中的一种神经元——浦肯野细胞——可能拥有多达100,000个突触（https://dana.org/resources/neurotransmission-the-synapse/）。这种非凡的连接水平使每个人类神经元能够“结合不同的信息片段，进行比较，并根据上下文做出响应”，Yan说。 相比之下，大多数传统神经形态设备本质上都是“一个人工突触”，Yan说。构建一个具有与人类神经元一样多突触的人工神经元，需要将许多独立的设备连接在一起。“这会增加布线、能量成本和硬件复杂性，”Yan说。 ### 利用类量子技巧实现并行计算（https://spectrum.ieee.org/tag/parallel-computing） 最近，科学家开发了声学设备，其中声波可以在其波相中编码多个值。这些相位比特（phi-bits）（https://pubs.aip.org/aip/apl/article-abstract/122/14/141701/2882358/Scalable-exponentially-complex-representations-of?redirectedFrom=fulltext）反过来可以支持类量子逻辑门（https://arizona.technologypublisher.com/tech/A_Method_for_the_Practical_Implementation_of_Scalable_Quantum-Like_Gates_using_Logical_Phi-Bits）和并行计算（https://pmc.ncbi.nlm.nih.gov/articles/PMC11213889/）。传统的比特只代表两个数字中的一个（0或1），并且每个比特都需要一个单独的物理组件，而phi比特每个代表多个变量，并共存于一个空间内。 但需要明确的是，对phi比特的操作并非量子计算（https://www.eurekalert.org/news-releases/528256），只是量子计算机系统的经典模拟。 现在，Yan和他的同事开发了一个包含多个phi比特的声学突触（https://spectrum.ieee.org/tag/synapse）。这使得在一个相对简单的设置中实现多个同时计算成为可能，并且与传统电子产品相比功耗更低。https://doi.org/10.1126/sciadv.aec6633 “将新物理学引入以更高效地执行复杂计算的想法总是令人着迷，”新墨西哥州阿尔伯克基桑迪亚国家实验室（https://spectrum.ieee.org/tag/sandia-national-laboratories）计算研究中心（https://www.sandia.gov/ccr/）的研究员Brad Aimone（https://www.sandia.gov/ccr/staff/james-bradley-aimone/）说。“它开辟了值得思考的新机遇，展望未来，”未参与这项研究的Aimone说。 科学家开发的新设备由三根铝棒组成，每根长约60厘米，宽约1.25厘米，通过环氧树脂（https://spectrum.ieee.org/tag/epoxy）胶连接。研究人员使用一层薄蜂蜜将超声波（https://spectrum.ieee.org/tag/ultrasonic）发射器（https://spectrum.ieee.org/tag/transmitters）和传感器附着在铝棒的末端。 Yan和他的同事使用声波编码数据流，包括图像和标识这些图像的标签。超声波发射器通过这些铝棒发射声波，声波通过环氧树脂进行声学相互作用。设备中的超声波传感器（https://spectrum.ieee.org/tag/ultrasonic-sensors）随后检测来自声学相互作用的声信号。 研究人员发现，他们可以调节phi比特的相位，以模仿生物突触随时间增强或减弱的能力，这是记忆持续或消退的部分原因。这种被称为突触可塑性（https://qbi.uq.edu.au/brain-basics/brain/brain-physiology/what-synaptic-plasticity）的特性意味着研究人员可以训练他们的声学突触执行一系列任务。 在实验中，科学家测试了一个与三个数字神经元耦合的拓扑（https://spectrum.ieee.org/tag/topological）声学突触。（新兴的拓扑声学（https://www.nature.com/articles/s41467-025-61380-2）领域，应用以前未知的声波特性，已经带来了操控声音的新方法——例如，在声波可以几乎没有能量耗散（https://spectrum.ieee.org/topological-transistor-acoustic）的电路中。）“在拓扑声学突触中，声波相互作用有助于在最终读出之前转换和组织信息，”Yan说。 ### 声学突触如何比电子突触适应得更快 在对150朵花进行三种鸢尾属物种（https://en.wikipedia.org/wiki/Iris_flower_data_set）分类时，新设备的性能优于称为多层感知器（https://spectrum.ieee.org/kan-neural-network）（MLP）的传统计算机芯片神经网络。该声学设备——代表一个单一的模拟突触——仅使用39个参数就达到了96.7%的最终准确率，并且达到峰值准确率的速度比MLP快20%。研究人员指出，要达到相当的准确率，MLP需要9个神经元和更多的参数。 总的来说，研究人员估计他们的新设备功耗最多仅为当前最先进的电子神经形态硬件的十分之一。“未来的神经形态系统可能将物理波动动力学与传统计算相结合，以实现更节能的信息处理，”Yan说。 此外，科学家指出，他们的新设备可以模仿被称为神经调节物质（https://pmc.ncbi.nlm.nih.gov/articles/PMC7811185/）的关键分子的活动。诸如多巴胺（https://spectrum.ieee.org/implantable-chip-measures-and-adjusts-dopamine-levels-in-mouse-brain）或血清素（https://spectrum.ieee.org/microsensors-supply-the-numbers-behind-gut-feeling）等神经调节物质“可以使突触变得更敏感、更不敏感、更快、更慢，或改变其学习的强度，”Yan说。“这种灵活性有助于大脑适应不同条件，如注意力、奖励、压力或学习状态。” 一个单一的生物突触可能同时受到多达10种神经调节物质的影响。然而，在传统神经形态硬件中模仿神经调节（https://spectrum.ieee.org/tag/neuromodulation）是极具挑战性的，通常需要复杂得多的设计。 但研究人员发现，使用声学突触，只需添加一根额外的铝棒，就可以让系统模仿多种神经调节过程——包括快速响应（例如学习过程中多巴胺对突触强度的影响）和缓慢、长期的响应（例如慢性压力）。 “神经调节物质使大脑能够使用同一个电路根据不同情况执行不同的功能，”Aimone说。“这与现在不同，现在你必须为不同的任务使用不同的神经网络（https://spectrum.ieee.org/tag/neural-networks）。因此，你可以使用更小的神经网络，这些网络可以利用相当于神经调节物质的东西来根据情况调整自己，而不是一个巨大的神经网络。这真是令人兴奋。” 研究人员于6月12日在《科学进展》期刊上在线发表了他们的研究结果（https://doi.org/10.1126/sciadv.aec6633）。