基于忆阻器阵列的模糊推理功能基础研究

In order to overcome the data explosion caused by the rapid development of the Internet of things (IoT) and share the pressure of “cloud computing”, the concept of “terminal computing” came into being. As knowledge-driven artificial intelligence algorithm, fuzzy inference can overcome the disadvantages of the mainstream data-driven artificial intelligence algorithms, such as deep neural network (DNN), which needs a large number of labeled data for training and a large amount of calculation, thus favors “terminal computing”. Memristor is a novel device with combining logic-storage function. Memristor-based fuzzy inference systems are expected to surpass the traditional CMOS-based ones in energy efficiency, speed and scaling. This project aims the “terminal computing” scenarios, and carries out fundamental investigations of the realization of fuzzy inference functionalities on memristive arrays, including modulation of the device characteristics, memristive array integration and implementation of fuzzy inference on memristive arrays. It intends to clarify the implementation theories and methods of fuzzification, fuzzy inference and defuzzification, and provide research foundation and theoretical guidance for the future knowledge-driven artificial intelligence system in “terminal computing” scenario.

为了克服物联网迅速发展带来的数据大爆发，分担“云计算”的压力，“终端计算”的概念应运而生。模糊推理作为知识驱动型人工智能算法，可以克服目前主流的数据驱动型人工智能算法，比如深度神经网络存在的需要大量标记数据进行网络训练且计算量很大的问题，从而易于“终端计算”的实现。最近，忆阻器（Memristor）的出现，其存算一体的特性更是受到广泛关注，有望突破基于传统CMOS技术的模糊推理系统在能效、速度和规模上的瓶颈。本项目拟面向“终端计算”应用场景，开展基于忆阻器阵列的模糊推理功能基础研究，研究忆阻器器件性能调控、忆阻器阵列集成以及模糊推理功能在忆阻器件和阵列上的实现，阐明模糊化、模糊推理和反模糊化功能在存算一体忆阻器阵列上的实现方法以及理论基础，为未来“终端计算”应用场景下知识驱动型人工智能系统的实现提供研究基础与理论指导。

知识推理与数据学习的融合是人工智能研究与应用中亟待解决的重大基本问题。构建知识推理与数据学习融合的新型智能计算系统是实现未来智能化社会的重要硬件基础。本项目以模糊推理作为研究对象，采用新型忆阻器件作为基本物理器件，期望利用该器件存算一体的显著优势，提出并构建具备存算一体特征的知识推理与数据学习融合的新型忆阻模糊推理系统。为实现以上目标，本项目从忆阻器件性能调控、忆阻阵列集成、忆阻模糊推理计算架构与应用演示三个方面入手，提出了基于电极材料优选、插层结构、界面工程的忆阻器件性能调控方法，制备了1 Kb规模1T1R结构的高稳定性忆阻阵列，实现了高对称度高线性度的编程方案，提出了基于忆阻器件的存算一体模糊推理计算架构，并通过非线性方程拟合、机器人导航避障等应用展示了该架构与系统的可行性。本项目实现的忆阻模糊推理系统，既可以将已有专家知识直接映射到忆阻阵列的物理结构上，克服数据学习的弱可解释性问题，又可以利用数据学习的方法，从大量数据中获取知识，从而有效的结合了知识推理与数据学习的优势，为实现新型存算一体知识推理与数据学习融合计算系统提供了重要的理论依据与硬件基础。