离子液体基储层计算

来自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物理储层装置。

物理油藏计算 （PRC） 依赖于物理系统的瞬态响应。它是一个有吸引力的机器学习框架，能够以低功耗执行时间序列信号的高速处理。

PRC系统的可调谐性最小，限制了它可以处理的信号。来自日本的研究人员发现，离子液体作为一种易于调谐的物理储层设备，可以通过改变粘度来增强在广泛的时间尺度上处理信号。

在涉及传感器和物联网设备的应用中，规范通常是边缘AI。边缘的AI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时都很有吸引力。

物理油藏计算（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。固态 PRC 系统的特点是特定的时间尺度，这些时间尺度不容易调整，并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。

来自日本的研究小组包括东京理科大学的博士生木下健太郎和博士生桑圭教授，以及来自国立先进工业科学技术研究所的高级研究人员赤永弘之博士、志摩久博士和内藤康久博士，在发表在《科学报告》上的一项新研究中，建议使用液态中国系统。“用液体水库取代传统的固体储层应该会导致人工智能设备能够直接实时学习环境产生的信号（如语音和振动）的时间尺度，”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，或者其电荷如何重新排列作为对电信号的响应，可以用作储层，并且对边缘AI物理计算有很大的希望。

该团队设计了一种含有有机盐的离子液体（IL）的PRC系统，1-烷基-3-甲基咪唑双（三氟甲烷磺酰基）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）可以很容易地随着所选烷基链的长度而变化。

研究小组制造了金间隙电极，并用IL填补了间隙，“我们发现储层的时间尺度虽然性质复杂，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做到，它为我们提供了一个可控的、可设计的系统，适用于一系列信号寿命，允许将来广泛的计算应用，“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1-20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可调谐的AI学习性能。

使用AI图像识别任务揭示了系统的可调谐性。AI呈现了一个手写图像作为输入，该图像由1 ms宽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瞬态动力学，并且对于更高的链长度，辨别率得到提高。这是因为，与［emim+］ ［TFSI-］相比，电流在大约1 ms内放宽到其值，具有更长侧链的IL，反过来，更长的松弛时间更好地保留了时间序列数据的历史记录，提高了识别精度。当使用8个单元的最长侧链时，辨别率达到90.2%的峰值。

研究结果很有希望，因为演示表明，基于电极-离子液体界面介电弛豫的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的调整，为边缘AI设备铺平了道路，这些设备可以实时准确地学习生活环境中产生的各种信号。

审核编辑：郭婷