科学探索|日本研究团队证明了离子液体储层方案在边缘计算领域的高效灵活前景

在 2022 年 4 月 28 日发表于《科学报告》期刊上的一篇文章中,一支日本科学家团队介绍了一项《在电极-离子液体界面处具有介电弛豫的储层计算》的新研究 。SCI Tech Daily 指出:物理储层计算可用于以相当低的功耗来执行 AI 等高速处理 。而离子液体储层计算机,亦能够为边缘计算赋予高效灵活的特性 。

科学探索|日本研究团队证明了离子液体储层方案在边缘计算领域的高效灵活前景
文章图片

研究配图 - 1:Au / IL / Au 储存装置的光学显微照片
近年的趋势表明,未来会有越来越多的人工智能处理需要在边缘层面进行 —— 靠近用户和数据收集处,而不是放到遥远的计算机 / 服务器上运行 。
此类运算的特点是高速、低功耗,而物理储层计算(Physical Reservoir Computing,以下简称 PRC)就有着极大的吸引力 。
本文要为大家介绍的,就是日本理科大学研究团队设计的一种基于电极-离子液体界面介电弛豫的可调谐物理储层装置 。

科学探索|日本研究团队证明了离子液体储层方案在边缘计算领域的高效灵活前景
文章图片

研究配图 - 2:储存装置对模式输入的动态电流响应
在该校 Kentaro Kinoshita 教授的带领下,博士生 Sang-Gyu Koh 与高级研究员 Hiroyuki Akinaga、Hisashi Shima 和 Yasuhisa Naitoh 博士共同致力于让这项技术变得更加灵活且实用 。
据悉,PRC 依赖于物理系统的瞬态响应,是一种相当具有吸引力的学习框架,能够以低功耗对时间序列信号进行高速处理 。不过此前,PRC 系统的可调谐性较低,结果限制了它们的信号处理能力 。
而东京理科大学的新研究突破,就是通过将离子液体作为一种易于调节的物理储存装置而实现的 —— 只需通过简单地改变(优化)其粘度,便可在广泛的时间尺度上处理信号 。

科学探索|日本研究团队证明了离子液体储层方案在边缘计算领域的高效灵活前景
文章图片

研究配图 - 3:从动态响应中提取的输出电流
SCI Tech Daily 补充道:依赖于物理系统瞬时动态的物理储存计算,可极大地简化边缘人工智能的计算凡是 。因为 PRC 能够存储和处理模拟信号,从而有效地推动边缘 AI 的使用和分析 。
而具有特定时间尺度的固态 PRC 系统,其动态特性并不容易被调节,且对于大多数物理信号来说通常过快 。受限于时间尺度上的不匹配和低可控性,使得 PRC 在很大程度上不适合运用于现实环境中的实时信号处理 。
但若使用液体储层来取代传统的固体储存,问题似乎就可迎刃而解 —— AI 设备能够直接实时学习环境产生的信号的时间尺度,例如语音和振动 。

科学探索|日本研究团队证明了离子液体储层方案在边缘计算领域的高效灵活前景
文章图片

实际生活场景中常见的信号生成与时间尺度
Kentaro Kinoshita 教授解释称,他们选择了基于稳定熔盐的离子液体,其完全由自由漫游的电荷组成 。
而离子液体的介电弛豫(dielectric relaxation)—— 即其电荷在响应电信号时如何重新排列 —— 该特性就可用作储存器,且在边缘 AI 物理计算领域被寄予了厚望 。
在这项新研究中,该团队设计了一个带有有机盐离子液体(IL)的 PRC 系统,其阳离子部分(带正电荷的离子)能够很轻松地随所选烷基链的长度而变化 。

科学探索|日本研究团队证明了离子液体储层方案在边缘计算领域的高效灵活前景
文章图片

通过调节阳离子侧链长度来改变其粘度,便可调谐优化离子液体 PRC 系统的信号处理范围 。