科研人员制造乐高一样的人工智能芯片

       总结：工程师们设计了一种新的人工智能芯片，以期实现可持续的模块化电子产品。该芯片可以重新配置，层可以交换或堆叠，例如添加新的传感器或更新的处理器。

       想象一下一个更可持续的未来，手机、智能手表和其他可穿戴设备不必为了更新换代被搁置或丢弃。相反，它们可以升级最新的传感器和处理器，这些传感器和处理器可以安装在设备的内部芯片上，就像将乐高积木集成到现有结构中一样。这种可重新配置的芯片可以使设备保持最新，同时减少我们的电子浪费。

       现在，麻省理工学院的工程师们已经朝着模块化的愿景迈出了一步，为可堆叠、可重构的人工智能芯片设计了一种类似乐高的设计。

       该设计包括传感和处理元件的交替层，以及允许芯片层进行光学通信的发光二极管（LED）。其他模块化芯片设计采用传统布线在层间中继信号。这种复杂的连接即使很难断开和重新布线，这使得这种可堆叠的设计无法重新配置。

       麻省理工学院的设计使用光，而不是物理电线，进行传输信息。因此，芯片可以重新配置，层可以交换或堆叠，例如添加新的传感器或更新的处理器。

       麻省理工学院博士后Jihoon Kang说：“你可以根据需要添加任意多个计算层和传感器，例如用于照明、压力甚至嗅觉。”。“我们称之为类似乐高的可重构AI芯片，因为它具有无限的可扩展性，这取决于层的组合。”

       研究人员渴望将这一设计应用于边缘计算设备——自给自足的传感器和其他独立于任何中央或分布式资源（如超级计算机或云计算）工作的电子设备。

       麻省理工学院机械工程副教授JeehwanKim表示：“随着我们进入基于传感器网络的物联网时代，对多功能边缘计算设备的需求将急剧扩大。”。“我们提出的硬件体系结构将在未来提供边缘计算的高度通用性。”

       该团队的研究结果发表在《Nature Electronics》上。

图：麻省理工学院的工程师创造了一种可重构AI芯片，该芯片由传感和处理元件的交替层组成，可以相互通信。（图片：麻省理工学院）

Lighting the way

       该团队的设计目前可以执行基本的图像识别任务。它是通过图像传感器、LED和人工突触处理器的分层来实现的，这些人工突触是该团队先前开发的记忆电阻器或“忆阻器”阵列，共同起到物理神经网络或“芯片上的大脑”的作用每个阵列都可以训练成直接在芯片上处理和分类信号，而无需外部软件或互联网连接。

       在他们的新芯片设计中，研究人员将图像传感器与人工突触阵列配对，每个突触阵列都经过训练以识别特定的字母——在本例中是M、I和T。而传统的方法是通过物理导线将传感器的信号传递给处理器，相反，该团队在每个传感器和人工突触阵列之间制造了一个光学系统，以实现各层之间的通信，而无需物理连接。

       麻省理工学院博士后HyunseokKim说：“其他芯片都是通过金属进行物理布线的，这使得它们很难重新布线和重新设计，所以如果你想添加任何新功能，就需要制作一个新的芯片。”。“我们用光通信系统取代了物理有线连接，这使我们可以按照自己的方式自由堆叠和添加芯片。”

       该团队的光通信系统由成对的光电探测器和LED组成，每个都有微小的像素图案。光电探测器构成用于接收数据的图像传感器，以及用于将数据传输到下一层的LED。当信号（例如字母图像）到达图像传感器时，图像的光模式对LED像素的特定配置进行编码，从而刺激另一层光电探测器，以及人工突触阵列，该阵列根据传入LED光的模式和强度对信号进行分类。

Stacking up

       该团队制造了一块芯片，其计算核心尺寸约为4平方毫米，约为一片五彩纸屑大小。该芯片由三个图像识别“块”堆叠而成，每个图像识别“块”包括一个图像传感器、光通信层和人工突触阵列，用于对三个字母M、I或T中的一个进行分类。然后，它们将随机字母的像素化图像照射到芯片上，并测量每个神经网络阵列响应时产生的电流。

       研究小组发现，该芯片对每个字母的清晰图像进行了正确分类，但它无法区分模糊图像，例如I和T。然而，研究人员能够通过将芯片的处理层换成更好的“去噪”处理器，该芯片随后能准确识别图像。

       麻省理工学院博士后MinKyu Song表示：“我们展示了可堆叠性、可替换性以及在芯片中插入新功能的能力。”。

       研究人员计划在芯片上增加更多的传感和处理能力，他们设想应用将是无限的。

       Choi说：“我们可以在手机摄像头上添加图层，使其能够识别更复杂的图像，或者将这些图层制作成可嵌入可穿戴电子皮肤的医疗监视器。”Choi和Kim之前开发了一种用于监测生命体征的“智能”皮肤。

       他补充道，另一个想法是在电子产品中内置模块化芯片，消费者可以选择用最新的传感器和处理器“积木”来构建

       “我们可以制作一个通用芯片平台，每一层都可以像视频游戏一样单独出售，”JeehwanKim说。“我们可以制作不同类型的神经网络，比如图像或语音识别，让客户选择他们想要的，然后添加到现有的芯片上，就像乐高一样。”

[1] Chanyeol Choi, Hyunseok Kim, Ji-Hoon Kang, Min-Kyu Song, Hanwool Yeon, Celesta S. Chang, Jun Min Suh, Jiho Shin, Kuangye Lu, Bo-In Park, Yeongin Kim, Han Eol Lee, Doyoon Lee, Jaeyong Lee, Ikbeom Jang, Subeen Pang, Kanghyun Ryu, Sang-Hoon Bae, Yifan Nie, Hyun S. Kum, Min-Chul Park, Suyoun Lee, Hyung-Jun Kim, Huaqiang Wu, Peng Lin, Jeehwan Kim. Reconfigurable heterogeneous integration using stackable chips with embedded artificial intelligence. Nature Electronics, 2022; DOI: 10.1038/s41928-022-00778-y