基于离子液体的储层计算

日本的研究人员设计了一种基于电极-离子液体界面处的介电弛豫的可调谐物理储层装置。

物理储层计算 （PRC） 依赖于物理系统的瞬态响应。它是一个吸引人的机器学习框架，能够以低功耗对时间序列信号进行高速处理。

PRC 系统的可调性极小，限制了它可以处理的信号。来自日本的研究人员表明，离子液体作为一种易于调节的物理储存装置，可以通过改变粘度来增强其在广泛的时间尺度上处理信号的能力。

在涉及传感器和物联网设备的应用程序中，标准通常是边缘人工智能。边缘人工智能具有低功耗要求以及高速数据处理能力。这两个特征在实时处理时间序列数据方面都很有吸引力。

物理储层计算 （PRC） 可以极大地简化边缘 AI 的计算范式。PRC 可用于将模拟信号存储和处理到边缘 AI 设备中。固体PRC系统的特点是特定的时间尺度不容易调整，而且对于大多数物理信号来说通常太快。时间尺度的不匹配和低可控性使得PRC在很大程度上不适合在生活环境中实时处理信号。

来自日本的研究团队，包括来自东京理科大学的 Kentaro Kinoshita 教授和博士生 Sang-Gyu Koh，以及来自国立科学技术研究所的高级研究员 Hiroyuki Akinaga 博士、Hisashi Shima 博士和 Yasuhisa Naitoh 博士Advanced Industrial Science and Technology 在《科学报告》上发表的一项新研究中建议使用液体 PRC 系统。“用液体储层取代传统的固体储层应该会导致 AI 设备可以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，”Kinoshita 教授解释说。“离子液体是稳定的熔盐，完全由自由漫游的电荷组成。离子液体的介电弛豫，或者它的电荷如何重新排列作为对电信号的响应，

该团队设计了一个带有有机盐离子液体 （IL） 的 PRC 系统，即 1-烷基-3-甲基咪唑双（三氟甲磺酰基）亚胺 （［Rmim+］ ［TFSI-］ R = 乙基 （e）、丁基 （b） 、己基 （h） 和辛基 （o）），其阳离子部分（带正电荷的离子）可以很容易地随所选烷基链的长度而变化。

该团队制造了金间隙电极，并用 IL 填充间隙。“我们发现储层的时间尺度虽然本质上很复杂，但可以直接由 IL 的粘度控制，这取决于阳离子烷基链的长度。改变有机盐中的烷基很容易，它为我们提供了一个可控制、可设计的系统，可用于一系列信号寿命，从而在未来实现广泛的计算应用，”Kinoshita 教授说。通过在 2 到 8 个单位之间调整烷基链长度，研究人员实现了 1 到 20 毫秒之间的特征响应时间，更长的烷基侧链导致更长的响应时间和设备的可调 AI 学习性能。

使用 AI 图像识别任务揭示了系统的可调性。人工智能被呈现一个手写图像作为输入，它由 1 ms 宽度的矩形脉冲电压表示。通过增加侧链长度，该团队使瞬态动力学接近目标信号的动态，识别率随着链长的增加而提高。这是因为，与 ［emim+］ ［TFSI-］（其中电流在大约 1 ms 内放松到其值）相比，具有更长侧链和更长弛豫时间的 IL 保留了时间序列数据的历史更好，提高识别准确率。当使用8个单元的最长侧链时，识别率达到峰值90.2%。

这些发现很有希望，因为演示表明，所提出的基于电极-离子液体界面处的介电弛豫的 PRC 系统可以通过简单地改变 IL 的粘度来根据输入信号进行适当调整，从而为边缘 AI 设备铺平了道路。实时准确学习生活环境中产生的各种信号。

审核编辑：郭婷