在 2022 年 4 月 28 日發表於《科學報告》期刊上的一篇文章中，一支日本科學家團隊介紹了一項《在電極-離子液體界面處具有介電弛豫的儲層計算》的新研究。SCI Tech Daily 指出：物理儲層計算可用於以相當低的功耗來執行 AI 等高速處理。而離子液體儲層計算機，亦能夠為邊緣計算賦予高效靈活的特性。
研究配圖 – 1：Au / IL / Au 儲存裝置的光學顯微照片
近年的趨勢表明，未來會有越來越多的人工智能處理需要在邊緣層面進行 —— 靠近用戶和數據收集處，而不是放到遙遠的計算機 / 服務器上運行。
此類運算的特點是高速、低功耗，而物理儲層計算（Physical Reservoir Computing，以下簡稱 PRC）就有着極大的吸引力。
本文要為大家介紹的，就是日本理科大學研究團隊設計的一種基於電極-離子液體界面介電弛豫的可調諧物理儲層裝置。
研究配圖 – 2：儲存裝置對模式輸入的動態電流響應
在該校 Kentaro Kinoshita 教授的帶領下，博士生 Sang-Gyu Koh 與高級研究員 Hiroyuki Akinaga、Hisashi Shima 和 Yasuhisa Naitoh
博士共同致力於讓這項技術變得更加靈活且實用。
據悉，PRC 依賴於物理系統的瞬態響應，是一種相當具有吸引力的學習框架，能夠以低功耗對時間序列信號進行高速處理。不過此前，PRC 系統的可調諧性較低，結果限制了它們的信號處理能力。
而東京理科大學的新研究突破，就是通過將離子液體作為一種易於調節的物理儲存裝置而實現的 —— 只需通過簡單地改變（優化）其粘度，便可在廣泛的時間尺度上處理信號。
研究配圖 – 3：從動態響應中提取的輸出電流
SCI Tech Daily 補充道：依賴於物理系統瞬時動態的物理儲存計算，可極大地簡化邊緣人工智能的計算凡是。因為 PRC 能夠存儲和處理模擬信號，從而有效地推動邊緣 AI 的使用和分析。
而具有特定時間尺度的固態 PRC 系統，其動態特性並不容易被調節，且對於大多數物理信號來說通常過快。受限於時間尺度上的不匹配和低可控性，使得 PRC 在很大程度上不適合運用於現實環境中的實時信號處理。
但若使用液體儲層來取代傳統的固體儲存，問題似乎就可迎刃而解 —— AI 設備能夠直接實時學習環境產生的信號的時間尺度，例如語音和振動。
實際生活場景中常見的信號生成與時間尺度
Kentaro Kinoshita 教授解釋稱，他們選擇了基於穩定熔鹽的離子液體，其完全由自由漫遊的電荷組成。
而離子液體的介電弛豫（dielectric relaxation）—— 即其電荷在響應電信號時如何重新排列 —— 該特性就可用作儲存器，且在邊緣 AI 物理計算領域被寄予了厚望。
在這項新研究中，該團隊設計了一個帶有有機鹽離子液體（IL）的 PRC 系統，其陽離子部分（帶正電荷的離子）能夠很輕鬆地隨所選烷基鏈的長度而變化。
通過調節陽離子側鏈長度來改變其粘度，便可調諧優化離子液體 PRC 系統的信號處理範圍。
更確切地說，研究團隊製造了金間隙電極，並用 IL 填充其間隙。結果發現儲層的時間尺度雖然在本質上很是複雜，但仍可直接由 IL 的粘度來調節控制（取決於陽離子烷基鏈的長度）。
顯然，改變有機鹽中的烷基要輕鬆得多。基於此，研究人員便擁有了一套可控、可設計的系統（適用於一系列的信號處理範圍），從而為將來的廣泛計算應用開闢了新的路線。
研究配圖 – 4：基於陽離子烷基鏈長度的函數來測量瞬態電流響應
此外通過在 2-8 個單元之間調節烷基鏈的長度，東京理科大學的科學家們還實現了 1~20 μs 的超低特徵響應時間。
作為演示，研究人員以 AI 圖像識別任務為例，證明了這套系統的有效可調性。在接收了基於手寫圖像的輸入信號之後，它能夠以 1 μs 的矩形脈衝電壓來表示。
研究配圖 – 5：圖像分類任務的數據處理序列示意圖
通過增加側鏈的長度，研究團隊讓瞬態響應更接近於目標信號的範圍，而識別率也隨着烷基鏈的增加而同步提升。
與電流在大約 1 μs 內鬆弛到其值的情況相比，具有更長側鏈和弛豫時間的 IL 能夠更好地保留時間序列的歷史數據，進而提升了它的識別準確率。
研究配圖 – 6：圖像分類預估精度
當使用 8 個單元的最長側鏈時，其識別率也達到了 90.2% 的峰值。有關這項研究的詳情，已經發表在 4 月底出版的《Scientific Reports》上。
原標題為《Reservoir computing with dielectric relaxation at an electrode–ionic liquid interface》。