24小時聯(lián)系電話:18217114652、13661815404
中文
行業(yè)資訊
Loihi具有嗅覺的芯片
英特爾和康奈爾大學的研究人員正在將“嗅覺科學”在硅片上實現。
2020年3月16日，英特爾宣布他們的研究人員以及康奈爾大學的研究人員證明，經過適當的培訓，芯片可以聞到氣味。
這些研究人員展示了一種自學習型神經形態(tài)芯片 能夠識別有害化學物質的能力，即使它被明顯的咬合和噪聲所包圍。當用一種氣味樣本對Loihi芯片進行測試時，它可以有效地“學習”該氣味，而不會干擾以前學習到的氣味的記憶。
英特爾實驗室神經形態(tài)計算小組的高級研究科學家納比爾·伊瑪姆（Nabil Imam）持有Loihi測試芯片，他與康奈爾大學的研究團隊一起使用了該芯片，以構建數學算法來模擬大腦嗅覺系統(tǒng)中發(fā)生的事情。圖片由Walden Kirsch和Intel提供
總體而言，Loihi能夠學習10種不同的氣味。發(fā)現Loihi的性能優(yōu)于傳統(tǒng)方法，例如深度學習解決方案，該方法每班需要進行3000倍的培訓才能具有相同的分類精度。
Loihi的歷史
2017年9月，英特爾發(fā)布了Loihi，這是他們的神經形態(tài)研究測試芯片，其數字電路模仿了大腦的基本機制。研究團隊這樣做是為了加快機器學習速度，同時使過程效率更高，計算能力更低。
英特爾的Loihi是一種自學習的神經形態(tài)芯片，旨在幫助研究人員在神經科學與人工智能的交叉點上取得重大進展。圖片由英特爾提供
Loihi芯片具有完全異步的神經形態(tài)多核網格，該網格支持各種神經網絡拓撲結構，并使每個神經元都能與數千個其他神經元進行通信。
每個核心本身都有一個學習引擎，可以對它進行編程，以在運行期間適應網絡參數，并且可以支持監(jiān)督，無監(jiān)督，強化以及機器學習中發(fā)現的其他學習范例。
人腦擁有超過860億個神經元和100萬億個突觸，而Loihi則擁有13萬個神經元和1.3億個突觸，它們是采用英特爾14納米制程技術制造的。
Loihi如何學會“聞”？
那么，研究人員如何實現這一壯舉？他們從神經算法開始，他們基于人腦嗅覺回路的結構和動力學。接下來，他們培訓了Loihi以識別10種有害化學物質的氣味。
英特爾實驗室神經形態(tài)計算小組的高級研究科學家納比爾·伊瑪姆（Nabil Imam）及其團隊隨后編輯了一個數據集，該數據集包含72種化學傳感器的活性，以響應這10種氣味，包括丙酮，氨和甲烷。
該芯片旨在模擬人腦區(qū)分氣味的方式。屏幕截圖由Intel提供
傳感器對各個氣味的響應被傳輸到Loihi，在那里負責嗅覺的大腦電路被硅電路模仿。Loihi的一項重要功能是能夠區(qū)分氣味之間的差異，即使有強烈的背景干擾物也是如此。為了進行比較，家里的煙霧探測器和一氧化碳探測器可以探測到氣味，但是無法區(qū)分它們。
“電子鼻系統(tǒng)”的未來
據伊瑪目（Imam）稱，化學傳感界一直在尋找一種廉價，可靠和快速響應的化學傳感處理系統(tǒng)，例如Loihi。這樣的系統(tǒng)也稱為“電子鼻系統(tǒng)”。這些系統(tǒng)的某些用途可以包括：
①為機器人配備神經形態(tài)芯片，用于環(huán)境監(jiān)測和有害物質檢測；這可以使研究人員確切地知道釋放到大氣中的氣態(tài)物質。
②控制工廠的空氣質量
③在疾病散發(fā)出特殊氣味的情況下診斷醫(yī)療狀況（類似于狗如何聞到人類某些疾病的氣味）
④識別機場安全線中的有害物質，例如炸彈或麻醉品
此外，伊瑪目（Imam）希望“將這種方法推廣到更普遍的問題中”，以了解觀察對象與解決抽象問題（如計劃和決策）之間的關系。Imam指出，能夠將嗅覺系統(tǒng)轉化為數字電路有助于研究人員了解神經電路如何解決復雜的計算問題，并為設計“有效而強大的機器智能”提供見識。
嗅覺信號識別的挑戰(zhàn)
英特爾和康奈爾大學的團隊取得的重大進步并非沒有未來設計要解決的幾個挑戰(zhàn)。
由于大腦神經活動模式的相似性，就像人類可能難以區(qū)分藍莓或香蕉之類的水果的氣味一樣，神經形態(tài)系統(tǒng)也可能面臨類似的問題，尤其是在嘗試將不同氣味歸為同一類別時。
Loihi的特寫圖像。英特爾宣布64種Loihi芯片將組成一個名為Pohoiki Beach的新神經形態(tài)系統(tǒng)。圖片由英特爾提供
Imam相信，在未來幾年中，隨著技術從實驗室轉移到實際場景，嗅覺信號識別中的這些挑戰(zhàn)可以得到解決。英特爾對未來的愿景是，隨著智能和決策流程的可訪問性和加速性，神經形態(tài)計算將走在解決復雜世界問題的前沿。
上海韜放電子提供物聯(lián)網開發(fā)，如果您有需求可以聯(lián)系我們。
本文來自：互聯(lián)網