日本的研究人員設(shè)計了一種基于電極-離子液體界面處的介電弛豫的可調(diào)諧物理儲層裝置。

物理儲層計算 （PRC） 依賴于物理系統(tǒng)的瞬態(tài)響應(yīng)。它是一個吸引人的機器學習框架，能夠以低功耗對時間序列信號進行高速處理。

PRC 系統(tǒng)的可調(diào)性極小，限制了它可以處理的信號。來自日本的研究人員表明，離子液體作為一種易于調(diào)節(jié)的物理儲存裝置，可以通過改變粘度來增強其在廣泛的時間尺度上處理信號的能力。

在涉及傳感器和物聯(lián)網(wǎng)設(shè)備的應(yīng)用程序中，標準通常是邊緣人工智能。邊緣人工智能具有低功耗要求以及高速數(shù)據(jù)處理能力。這兩個特征在實時處理時間序列數(shù)據(jù)方面都很有吸引力。

物理儲層計算 （PRC） 可以極大地簡化邊緣 AI 的計算范式。PRC 可用于將模擬信號存儲和處理到邊緣 AI 設(shè)備中。固體PRC系統(tǒng)的特點是特定的時間尺度不容易調(diào)整，而且對于大多數(shù)物理信號來說通常太快。時間尺度的不匹配和低可控性使得PRC在很大程度上不適合在生活環(huán)境中實時處理信號。

來自日本的研究團隊，包括來自東京理科大學的 Kentaro Kinoshita 教授和博士生 Sang-Gyu Koh，以及來自國立科學技術(shù)研究所的高級研究員 Hiroyuki Akinaga 博士、Hisashi Shima 博士和 Yasuhisa Naitoh 博士Advanced Industrial Science and Technology 在《科學報告》上發(fā)表的一項新研究中建議使用液體 PRC 系統(tǒng)。“用液體儲層取代傳統(tǒng)的固體儲層應(yīng)該會導致 AI 設(shè)備可以直接實時學習環(huán)境產(chǎn)生的信號的時間尺度，例如語音和振動，”Kinoshita 教授解釋說。“離子液體是穩(wěn)定的熔鹽，完全由自由漫游的電荷組成。離子液體的介電弛豫，或者它的電荷如何重新排列作為對電信號的響應(yīng)，

該團隊設(shè)計了一個帶有有機鹽離子液體 （IL） 的 PRC 系統(tǒng)，即 1-烷基-3-甲基咪唑雙（三氟甲磺?；﹣啺?（［Rmim+］ ［TFSI-］ R = 乙基 （e）、丁基 （b） 、己基 （h） 和辛基 （o）），其陽離子部分（帶正電荷的離子）可以很容易地隨所選烷基鏈的長度而變化。

該團隊制造了金間隙電極，并用 IL 填充間隙?！拔覀儼l(fā)現(xiàn)儲層的時間尺度雖然本質(zhì)上很復雜，但可以直接由 IL 的粘度控制，這取決于陽離子烷基鏈的長度。改變有機鹽中的烷基很容易，它為我們提供了一個可控制、可設(shè)計的系統(tǒng)，可用于一系列信號壽命，從而在未來實現(xiàn)廣泛的計算應(yīng)用，”Kinoshita 教授說。通過在 2 到 8 個單位之間調(diào)整烷基鏈長度，研究人員實現(xiàn)了 1 到 20 毫秒之間的特征響應(yīng)時間，更長的烷基側(cè)鏈導致更長的響應(yīng)時間和設(shè)備的可調(diào) AI 學習性能。

使用 AI 圖像識別任務(wù)揭示了系統(tǒng)的可調(diào)性。人工智能被呈現(xiàn)一個手寫圖像作為輸入，它由 1 ms 寬度的矩形脈沖電壓表示。通過增加側(cè)鏈長度，該團隊使瞬態(tài)動力學接近目標信號的動態(tài)，識別率隨著鏈長的增加而提高。這是因為，與 ［emim+］ ［TFSI-］（其中電流在大約 1 ms 內(nèi)放松到其值）相比，具有更長側(cè)鏈和更長弛豫時間的 IL 保留了時間序列數(shù)據(jù)的歷史更好，提高識別準確率。當使用8個單元的最長側(cè)鏈時，識別率達到峰值90.2%。

這些發(fā)現(xiàn)很有希望，因為演示表明，所提出的基于電極-離子液體界面處的介電弛豫的 PRC 系統(tǒng)可以通過簡單地改變 IL 的粘度來根據(jù)輸入信號進行適當調(diào)整，從而為邊緣 AI 設(shè)備鋪平了道路。實時準確學習生活環(huán)境中產(chǎn)生的各種信號。

審核編輯：郭婷