用于硬件原生可信贝叶斯智能的双通道耦合忆阻器

《Nature Communications》：Coupled dual-channel memristors for hardware-native trustworthy Bayesian intelligence

　　

摘要

贝叶斯神经网络能够通过量化预测的不确定性来实现可靠的边缘智能。然而，硬件实现的贝叶斯神经网络存在一个瓶颈：数字方法存在高延迟问题，而忆阻器则受到其导电状态（均值）与随机噪声（方差）之间固有耦合关系的限制。在这里，我们提出了一种基于离子凝胶/氧化锌异质结构的耦合双通道忆阻器，打破了这一根本性的权衡。通过垂直离子门控技术创建两个可调节的忆阻通道，该器件将突触权重定义为两个通道之间的微分导电性。这种架构使得可以对突触权重的均值（μ）和标准差（σ）进行硬件级的独立控制，从而精确生成解耦的高斯权重。我们利用经过硬件校准的贝叶斯神经网络对多模态人类活动进行识别测试，取得了79.08%的准确率，并且能够可靠地检测出那些属于异常分布的未知活动。这项工作为高效、具备内在可靠性的概率计算提供了一种可扩展的、基于物理原理的解决方案。