Fyzická neurální síť - Physical neural network
Fyzikální neuronová síť je typ umělé neuronové sítě , ve které je elektricky nastavitelný materiál použitý emulovat funkci nervové synapse . „Fyzická“ neuronová síť se používá k zdůraznění závislosti na fyzickém hardwaru používaném k emulaci neuronů, na rozdíl od softwarových přístupů. Obecněji je tento termín použitelný pro jiné umělé neurální sítě, ve kterých je k emulaci nervové synapse použit memristor nebo jiný elektricky nastavitelný odporový materiál.
Typy fyzických neurálních sítí
ADALINE
V šedesátých letech vyvinuli Bernard Widrow a Ted Hoff ADALINE (Adaptive Linear Neuron), který využíval elektrochemické články zvané memistory (paměťové odpory) k emulaci synapsí umělého neuronu. Paměti byly implementovány jako 3-koncová zařízení pracující na základě reverzibilního galvanického pokovování mědi tak, že odpor mezi dvěma terminály je řízen integrálem proudu aplikovaného přes třetí terminál. Obvody ADALINE byly krátce komercializovány společností Memistor Corporation v 60. letech minulého století, což umožnilo některé aplikace v rozpoznávání vzorů. Protože však memistory nebyly vyrobeny pomocí technik výroby integrovaných obvodů, technologie nebyla škálovatelná a nakonec byla opuštěna, protože elektronika v pevné fázi dospěla.
Analogový VLSI
V roce 1989 vydal Carver Mead svou knihu Analog VLSI and Neural Systems , která odstartovala snad nejběžnější variantu analogových neuronových sítí. Fyzická realizace je implementována v analogovém VLSI . To je často implementováno jako tranzistory s efektem pole v nízké inverzi. Taková zařízení mohou být modelována jako translineární obvody . Toto je technika, kterou popsal Barrie Gilbert v několika novinách kolem poloviny 70. let, a zejména v jeho translinárních obvodech z roku 1981. Pomocí této metody lze obvody analyzovat jako soubor dobře definovaných funkcí v ustáleném stavu a takové obvody sestaveny do komplexních sítí.
Fyzická neurální síť
Alex Nugent popisuje fyzickou neuronovou síť jako jeden nebo více nelineárních uzlů podobných neuronům používaných k součtu signálů a nanopřipojení vytvořených z nanočástic, nanodrátů nebo nanotrubic, které určují vstup síly signálu do uzlů. Zarovnání nebo vlastní sestavení nanopřipojení je určeno historií aplikovaného elektrického pole vykonávajícího funkci analogickou neurálním synapsím. Pro takové fyzické neuronové sítě je možné mnoho aplikací. Například zařízení pro časové sčítání může být složeno z jednoho nebo více nanopřipojení, která mají jeho vstup a jeho výstup, přičemž vstupní signál poskytovaný na vstupu způsobí, že v jednom nebo více z nanokonekci dojde v průběhu času ke zvýšení jeho síly připojení. Další příklad fyzické neuronové sítě popisuje US patent č. 7 039 619 s názvem „Využitý nanotechnologický aparát využívající neuronovou síť, řešení a spojovací mezeru“, který vydal Alexu Nugentovi americký patentový a známkový úřad 2. května 2006. .
Další aplikace fyzické neuronové sítě je uvedena v patentu USA č. 7 412 428 s názvem „Aplikace hebbian a anti-hebbian learning na fyzikální neuronové sítě založené na nanotechnologiích“, který byl vydán 12. srpna 2008.
Nugent a Molter ukázali, že univerzální výpočetní technika a strojové učení pro všeobecné účely jsou možné z operací dostupných prostřednictvím jednoduchých memristivních obvodů provozujících pravidlo plasticity AHaH. Více nedávno, to bylo argumentoval, že také komplexní sítě čistě memristive obvodů může sloužit jako neuronové sítě.
Neuronová síť s fázovou změnou
V roce 2002 Stanford Ovshinsky popsal analogové neurální výpočetní médium, ve kterém má materiál s fázovou změnou schopnost kumulativně reagovat na více vstupních signálů. K řízení vážení vstupních signálů se používá elektrická změna odporu materiálu fázové změny.
Memristivní neurální síť
Greg Snider z HP Labs popisuje systém kortikálních počítačů s memristivními nanozařízeními. Tyto Memristors (paměťové rezistory) jsou realizovány tenkých filmových materiálů, ve kterém je odpor elektricky laděných prostřednictvím transportu iontů nebo kyslíkových volných míst uvnitř filmu. DARPA ‚s projektem Synapse financovala IBM Research and HP Labs, ve spolupráci s Boston University katedry kognitivních a neuronových systémů (CNS), rozvíjet neuromorfní architektur, které mohou být založeny na memristive systémů.