科技前沿信息 人工智能首次被集成到MEMS器件

大家好，今日小经来聊聊一篇关于科技前沿信息： 人工智能首次被集成到MEMS器件中的文章，现在让我们往下看看吧！

为了实现人们在包括5G网络和物联网(IoT)在内的大量应用中谈论的边缘计算 ，您需要将大量处理能力集中到相对较小的设备中。

这个想法的前进方向是利用人工智能(AI)计算技术 - 在边缘的所谓 AI。虽然有些人担心技术专家如何处理AI以外的应用程序而不是传统计算 - 而且有些人正在绞尽脑力争夺 哪个国家将在这个新领域占领优势 - 这项技术在其开辟周期中还处于早期阶段。

但似乎仍处于早期状态马上改变一点。位于加拿大魁北克的舍布鲁克大学的研究人员已经设法为微机电系统(MEMS)设备配备了一种人工智能，标志着MEMS设备中首次包含任何类型的AI。结果是一种神经形态计算，其操作类似于人脑，但是在微型设备中。这种组合使得可以在设备本身上处理数据，从而改善边缘计算的前景。

“去年我们已经写了一篇论文，从理论上讲可以完成MEMS人工智能，” Sherbrooke教授，研究论文的合着者Julien Sylvestre说道，详细介绍了这一发展。“我们最新的突破是展示了一种可以在实验室中实现这一目标的设备。”

研究人员在他们的研究中展示的AI方法，在应用物理学杂志中描述，被称为“ 储层计算 ”.Sylvestre解释说，为了理解储层计算，你需要了解一些关于人工神经网络的知识。(人工神经网络)运作。这些人工神经网络通过输入层猎取数据，将数据转换为通常称为神经元的计算单元的隐藏层，然后在输出层中对该数据进行最终解释。储层计算最常用于依赖于时间的输入(与图像等输入相反，是静态的)。

因此，储层计算使用由时间相关输入驱动的动态系统。选择动态系统相对复杂，因此它对输入的响应可能与输入本身完全不同。

此外，选择系统具有多个自由度来响应输入。结果，输入被“映射”到高维空间中的轨迹，每个维度对应于一个自由度。这制造了许多信息“丰富性”，这意味着输入有许多不同的变换。

“水库计算所使用的特别技巧是线性地组合所有维度，以获得与我们希翼计算机作为给定输入的答案相对应的输出，”Sylvestre说。“这就是我们所说的'训练'水库计算。与其他AI方法不同，线性组合的计算非常简单，人们会尝试修改动态系统的内部工作以获得所需的输出。

在大多数油藏计算系统中，动力系统是软件。在这项工作中，动力系统就是MEMS器件本身。为了实现这种动态系统，该设备使用非常薄的硅梁在空间中振荡的非线性动力学。这些振荡产生一种神经网络，将输入信号转换为神经网络计算所需的更高维空间。

Sylvestre解释说，很难修改MEMS器件的内部工作原理，但在储层计算中并不是必需的，这就是他们使用这种方法在MEMS中进行AI的原因。

“我们的工作表明，可以利用MEMS中的非线性资源进行人工智能，”西尔维斯特说。“这是一种新颖的方式来构建'人工智能'设备，可以真正小巧高效。”

根据Sylvestre的说法，很难将这种MEMS设备的处理能力与台式计算机等已知数量进行比较。“计算机与我们的MEMS工作方式截然不同，”他解释道。“虽然计算机很大并消耗大量功率(几十瓦)，但我们的MEMS可以适应人类头发的尖端，并以微瓦的功率运行。尽管如此，他们仍然可以做一些花哨的技巧，比如对口语进行分类 - 这项任务可能会占用桌面计算机10%的资源。

据Sylvestre称，这种配备AI的MEMS的可能应用可能是加速度计MEMS，其中设备收集的所有数据都在设备内处理，而无需将数据发送回计算机。

虽然研究人员还没有关注它们如何为这些MEMS供电，但是假设这些设备的功率使用不当会使它们只能 在不需要电池的情况下运行在能量采集器上。考虑到这一点，研究人员正在寻求将他们的AI MEMS方法应用于传感和机器人操纵应用。

这篇好文章是转载于：知行礼动