热门项目盘点：神经拟态计算、机器视觉和地震检测

下一代神经拟态计算

欧盟启动了一个新项目，以开发用于神经拟态计算系统的下一代设备。

名为MeM-Scales的项目计划开发一种新颖的算法、设备和电路，以重现生物神经系统的多时标处理。结果将用于构建神经形态计算系统，该系统可以实时处理现实世界的感觉信号和数据。这些系统可能位于网络边缘。

CEA-Leti正在协调该计划，其他成员包括Imec，IBM，苏黎世大学，CSIS，CNR，SynSense和UOG。

神经形态计算是AI的多种形式之一。当今最常见的AI类型称为机器学习。机器学习在系统中使用神经网络，该网络处理大量数据并识别模式，之后网络匹配某些模式并了解那些属性中的哪些是重要的。当今许多基于机器学习的系统都使用传统的芯片架构，例如GPU，SRAM和其他。

业界还一直在研究一种称为神经形态计算的非传统方法，距离实现尚有数年之遥。神经形态计算也可以使用神经网络。不同之处在于，该行业正试图在芯片中复制大脑。目的是模仿使用精确定时脉冲处理信息的方式。

Leti去年发表了一篇有关使用下一代内存类型ReRAM开发集成尖刺神经网络（SNN）芯片的论文。其他人正在使用基于模拟的非易失性存储方法。SNN将时间的概念纳入网络中。

MeM-Scales项目有点像SNN。它希望为边缘和其他应用开发一类新的设备。

如今，PC、智能手机和其他系统会生成大量数据。很大一部分数据是在大型数据中心的服务器中处理的，这些系统需要快速且耗电的芯片。

一段时间以来，该行业一直在研究可以从数据中心卸载某些处理和AI功能的设备。这些设备用于位于网络边缘的系统中。据Linley Group称，边缘设备包括为汽车市场开发的芯片，以及无人机，监控摄像头，智能手机，智能门铃和语音助手。

MeM-Scales项目将为边缘技术提供新颖的解决方案。将来，很大一部分计算将从中央服务器上卸载，并委派给网络边缘的小型控制器和智能传感器。该组织表示：“这些物联网系统必须能够可靠地工作，而不会受到干扰，并且功耗需求非常低。该项目还将为不需要连接到云的应用开发边缘计算处理系统。”

MeM-Scales项目希望开发新颖的存储器和设备技术，例如ReRAM，薄膜晶体管（TFT）技术等。这些产品将被制造出来，以支持多个时间范围内的SoC。

CEA-Leti的AI计划经理兼MeM-Scales项目的协调员Elisa Vianello表示：“MeM-Scales项目旨在将模拟峰值微处理器中的神经形态计算提升到全新的性能水平。这些跨学科的工作可制造出创新的硬件/软件平台，作为结合极高的能效和强大的认知计算能力的基础。这种新型的计算技术将打开新的视野。例如，用于高维分布式环境监控，可植入医疗诊断微芯片，可穿戴电子设备和人机界面。”

机器视觉

加利福尼亚大学洛杉矶分校（UCLA）和加利福尼亚纳米系统研究所（CNSI）开发了一种新的单像素机器视觉技术，用于机器学习应用程序。

该技术克服了传统机器视觉系统的低效率问题。

机器视觉系统可用于多种应用。在操作中，这些系统使用基于光学的组件以拍摄各种事件的图像。拍摄图像后，便会处理数据。使用机器学习算法，数据可用于分类和识别对象。

此过程有时效率很低，UCLA和CNSI设计了一种新的机器视觉解决方案。在实验室中，研究人员使用该技术对手写数字进行了识别。

“与机器视觉系统中使用的常规光学组件不同，我们使用由无源像素的二维（2D）阵列组成的衍射层，其中各个像素的复数值透射或反射系数是可独立学习的参数， 通过深度学习和错误反向传播使用计算机进行了优化，”加州大学洛杉矶分校（UCLA）研究人员在科技期刊《科学进展》（Science Advances）中说道。其他人为这项工作做出了贡献。

“使用基于等离子纳米天线的探测器，我们在太赫兹光谱上通过实验验证了这种单像素机器视觉框架，通过检测十个不同波长的衍射光的光谱功率，对手写数字的图像进行光学分类，每个波长代表一个类别/数字”，李说。 “这个单像素机器视觉框架还可以扩展到其他光谱域测量系统，以实现与基于衍射网络的信息光谱编码集成的新3D成像和传感模式。”

地震检测

洛斯阿拉莫斯国家实验室（Los Alamos National Laboratory）开发了SeismoGen，这是一种新的机器学习模型，有望改善地震检测能力。

SeismoGen能够生成高质量的合成地震波形。该技术可以节省地震检测中繁琐而费力的手动标记工作。

洛斯阿拉莫斯国家实验室地球物理学小组的计算科学家，该项目的主要研究人员Lin Youzuo 表示：“为验证生成模型的有效性，我们将其应用于俄克拉荷马州收集的地震数据。通过一系列定性和定量的测试和基准，我们发现我们的模型可以生成高质量的合成波形并改善基于机器学习的地震检测算法。”