21、铁电材料与IGZO在神经网络中的应用

铁电材料与IGZO在神经网络中的应用

1. 人工智能与神经网络概述

随着边缘设备和物联网设备产生的数据量激增，机器学习已成为解决众多任务的首选方法。像智能医疗监测系统、智能手表或自动驾驶汽车等应用，都需要对数据和图像进行实时处理，而机器学习算法在这方面的效率比人类更高。

人工智能主要有两种实现方法：
- 基于非冯·诺依曼硬件的神经网络实现。
- 基于传统计算机科学的神经网络方法，即基于传统冯·诺依曼架构的神经网络实现。

传统冯·诺依曼架构的神经网络，由于其内存和计算部分分离，随着边缘设备数量的增加，会出现严重的延迟问题。而我们日常生活中大量使用的边缘设备，对硬件的延迟、设备面积和功耗都有严格要求。因此，我们需要超越基于CMOS的混合信号神经网络实现方式，摆脱冯·诺依曼架构对内存带宽的限制。当前对非冯·诺依曼计算架构的研究，主要是为了构建专用硬件模块，以实现低功耗、快速计算单元，同时不影响当前的芯片缩放趋势。

2. 神经网络的发展历程

从文明诞生之初，人类就梦想创造出能自主运行且受自己控制的机器。古希腊神话中有相关故事，而古希腊的安提基特拉机械是人类历史上已知的第一台计算机。“计算机”一词最初是指进行计算工作的人，后来随着查尔斯·巴贝奇设计出差分机，它开始用来描述计算机器。1936年，艾伦·图灵发明“计算机科学”，改变了计算机的范式。

如今，计算机科学家致力于通过发展人工智能让计算机更智能。人工智能的核心是让机器能够系统地学习，通过反复执行任务来优化参数。人工智能面临的最大挑战在于问题的类型，能用数学形式描述的问题对计算机来说可能很简单，但难以用数学形式表达的问题则让计算机头疼。例如，计算机下棋比人