人工智能、机器学习和 ChatGPT 在公共领域可能是相对较新的流行语，但开发一台功能类似于人脑和神经系统的计算机——硬件和软件相结合——一直是一项长达数十年的挑战。匹兹堡大学的工程师们今天正在探索光学“忆阻器”如何成为开发神经形态计算的关键。

带存储器的电阻器或忆阻器已经证明了它们在电子产品中的多功能性，在神经形态计算中用作计算电路元件，在高密度数据存储中用作紧凑型存储器元件。他们独特的设计为内存计算铺平了道路，并引起了科学家和工程师的极大兴趣。

发表在Nature Photonics上的一篇题为“集成光学忆阻器”的新评论文章阐明了这项技术的发展——以及要使其发挥全部潜力仍需完成的工作。

在匹兹堡大学斯旺森工程学院电气与计算机工程助理教授 Nathan Youngblood 的带领下，这篇文章探讨了类​​似于电子忆阻器的光学设备的潜力。这种新型设备可以在革新光学领域的高带宽神经形态计算、机器学习硬件和人工智能方面发挥重要作用。

“研究人员真正被光学忆阻器所吸引，因为它们在高带宽神经形态计算、机器学习硬件和人工智能方面具有不可思议的潜力，”Youngblood 解释说。“想象一下，将光学的令人难以置信的优势与本地信息处理相结合。这就像打开了通往以前无法想象的全新技术可能性领域的大门。”

评论文章全面概述了光子集成电路这一新兴领域的最新进展。它探索了当前最先进的技术并强调了光学忆阻器的潜在应用，它结合了超快、高带宽光通信与本地信息处理的优势。然而，可扩展性成为未来研究应该解决的最紧迫的问题。

Youngblood 解释说：“在光学领域扩大内存或神经形态计算是一个巨大的挑战。拥有一种快速、紧凑和高效的技术可以使扩展更容易实现，这将是向前迈出的一大步。”

“局限性的一个例子是，如果你要采用目前具有最高存储密度的光存储器相变材料，并尝试在芯片上实现一个相对简单的神经网络，这将需要一个大小的晶圆笔记本电脑以适应所有需要的存储单元，”他继续说道。“尺寸对光子学很重要，我们需要找到一种方法来提高存储密度、能源效率和编程速度，以便在有用的规模上进行有用的计算。”

光学忆阻器可以彻底改变多个应用程序的计算和信息处理。它们可以实现光子集成电路 (PIC) 的主动微调，允许根据需要调整和重新编程片上光学系统，而无需持续消耗功率。它们还提供高速数据存储和检索，有望加速处理、降低能耗并实现并行处理。

光学忆阻器甚至可以用于人工突触和类脑架构。具有非易失性存储和非线性输出的动态忆阻器复制了大脑中突触的长期可塑性，并为尖峰集成和发射计算架构铺平了道路。

扩大和改进光学忆阻器技术的研究可以为高带宽神经形态计算、机器学习硬件和人工智能释放前所未有的可能性。

“我们研究了很多不同的技术。我们注意到的是，我们离理想的光学忆阻器的目标还很远——一种紧凑、高效、快速并以显着方式改变光学特性的东西， ”扬布拉德说。“我们仍在寻找一种材料或设备，以一种技术真正满足所有这些标准，以推动该领域向前发展。”

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：忆阻器光学技术