基于离子液体的储层计算高效灵活边缘计算的关键

导读物理储层计算(PRC)依赖于物理系统的瞬态响应,是一种有吸引力的机器学习框架,可以以低功耗对时间序列信号进行高速处理。但是,PRC系统的可...

物理储层计算(PRC)依赖于物理系统的瞬态响应,是一种有吸引力的机器学习框架,可以以低功耗对时间序列信号进行高速处理。但是,PRC系统的可调谐性较低,限制了它们可以处理的信号。现在,来自日本的研究人员将离子液体展示为一种易于调节的物理储层装置,可以通过简单地改变其粘度进行优化,以在广泛的时间尺度上处理信号。

人工智能(AI)在现代社会中正迅速普及,并将在未来几年更广泛地实施。在涉及传感器和物联网设备的应用程序中,标准通常是边缘人工智能,在这种技术中,计算和分析在靠近用户(收集数据的地方)并在不远处的集中式服务器上执行。这是因为边缘AI具有低功耗要求以及高速数据处理能力,这些特性在实时处理时间序列数据时特别理想。

在这方面,依赖于生物系统瞬态动力学的物理储层计算(PRC)可以显着简化边缘人工智能的计算范式。这是因为PRC可用于将模拟信号存储和处理到AI可以有效使用和分析的边缘。然而,固体PRC系统的动态特性具有特定的时间尺度,这些时间尺度不容易调节,而且对于大多数物理信号来说通常太快。这种时间尺度上的不匹配及其低可控性使得PRC在很大程度上不适合在生活环境中实时处理信号。

为了解决这个问题,来自日本的一个研究小组由KentaroKinoshita教授和Sang-GyuKoh博士组成。东京理科大学的学生和高级研究人员HiroyukiAkinaga博士、HisashiShima博士和国家先进工业科学技术研究所的YasuhisaNaitoh博士在《科学报告》上发表的一项新研究中提出,改为使用液体PRC系统。

“用液体储层代替传统的固体储层应该会导致AI设备可以直接实时学习环境产生的信号的时间尺度,例如语音和振动,”Kinoshita教授解释说。“离子液体是由自由漫游电荷组成的稳定熔盐。离子液体的介电弛豫,或者它的电荷如何作为对电信号的响应而重新排列,可以用作储存器,它对边缘人工智能物理计算有很大的希望。”

在他们的研究中,该团队设计了一个带有有机盐离子液体(IL)的PRC系统,1-烷基-3-甲基咪唑鎓双(三氟甲磺酰)亚胺([Rmim+][TFSI–]R=乙基(e),丁基(b)、己基(h)和辛基(o)),其阳离子部分(带正电的离子)可以很容易地随所选烷基链的长度而变化。他们制造了金间隙电极并用IL填充间隙。

“我们发现储层的时间尺度虽然本质上很复杂,但可以直接由IL的粘度控制,这取决于阳离子烷基链的长度。改变有机盐中的烷基很容易,它为我们提供了一个可控制、可设计的系统,可用于一系列信号寿命,从而在未来实现广泛的计算应用,”Kinoshita教授说。

通过在2到8个单位之间调整烷基链长度,研究人员实现了1到20μs之间的特征响应时间,更长的烷基侧链导致更长的响应时间和设备的可调AI学习性能。

通过调节阳离子侧链长度来改变其粘度,可以调整离子液体PRC系统响应以优化处理范围广泛的信号。图片来源:TUS的KentaroKinoshita

使用AI图像识别任务演示了系统的可调性。AI将手写图像作为输入,由1μs宽度的矩形脉冲电压表示。通过增加侧链长度,该团队对目标信号进行了瞬态动力学处理,更高的链长度可以提高识别率。

这是因为,与[emim+][TFSI–](其中电流在大约1μs内松弛到其值)相比,具有更长侧链和更长弛豫时间的IL保留了时间序列的历史数据更好,提高识别准确率。当使用最长的8个单元的侧链时,识别率达到90.2%的峰值。

这些发现令人鼓舞,因为它们清楚地表明,所提出的基于电极-离子液体界面处的介电弛豫的PRC系统可以通过简单地改变IL的粘度来根据输入信号进行适当的调整。这可以为边缘人工智能设备铺平道路,这些设备可以实时准确地学习生活环境中产生的各种信号。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时候联系我们修改或删除,多谢