【ZiDongHua 之“智能自動化”收錄關(guān)鍵詞：數(shù)字孿生 智能自動化 工業(yè)4.0 香港大學(xué) 南方科技大學(xué) 中科院微電子所 香港科技大學(xué)】

應(yīng)用物理前沿推介系列No.63 | 憶阻陣列加速神經(jīng)ODE求解賦能數(shù)字孿生與工業(yè)4.0

憶阻陣列加速神經(jīng)ODE求解賦能數(shù)字孿生與工業(yè)4.0

數(shù)字孿生技術(shù)通過構(gòu)建物理系統(tǒng)的精準(zhǔn)數(shù)字化模型，實(shí)時采集并模擬運(yùn)行數(shù)據(jù)，能夠?qū)崟r反映設(shè)備或整個生產(chǎn)線的狀態(tài)和行為，為預(yù)測性維護(hù)、設(shè)計優(yōu)化和調(diào)度提供決策支持，已在制造、能源、醫(yī)療等行業(yè)廣泛應(yīng)用，顯著提升效率與可靠性、降低成本。憑借這一能力，已廣泛應(yīng)用于工業(yè)4.0制造管理、智能自動化等領(lǐng)域，正在改變工業(yè)生產(chǎn)和運(yùn)營的方式。在算法方面，現(xiàn)有方法通常依賴離散時間數(shù)值積分與有限深度神經(jīng)網(wǎng)絡(luò)，難以避免截斷誤差和信息采樣損失;在硬件方面，馮·諾依曼架構(gòu)下存算分離、頻繁模/數(shù)轉(zhuǎn)換導(dǎo)致高延遲高能耗，且傳統(tǒng)CMOS工藝縮放已接近物理極限。為滿足高精度、低時延、低功耗的實(shí)時仿真需求，亟需突破硬件與算法協(xié)同瓶頸。已有多種基于憶阻陣列的靜態(tài)神經(jīng)網(wǎng)絡(luò)推理或偏微分方程(PDE)的求解方案被報道，但主要基于數(shù)字/模擬混合架構(gòu)，仍然涉及較高能耗的A/D轉(zhuǎn)換，并且其網(wǎng)絡(luò)深度有限。因此，針對神經(jīng)常微分方程(ODE)求解的加速研究大多停留在仿真或半模擬階段，缺乏完整的端到端實(shí)驗驗證。

圖1 基于憶阻神經(jīng)常微分方程(NODE)求解器的多維度數(shù)字孿生優(yōu)化

針對上述挑戰(zhàn)，香港大學(xué)研究團(tuán)隊與南方科技大學(xué)、中科院微電子所、香港科技大學(xué)等團(tuán)隊合作，利用憶阻陣列的存算一體模擬計算能力，構(gòu)建了全模擬、連續(xù)時間的神經(jīng)ODE硬件加速系統(tǒng)，用于實(shí)現(xiàn)神經(jīng)常微分方程求解功能。該求解器具備以下三個方面的優(yōu)勢(見圖1)：首先，支持連續(xù)時間動力學(xué)，無需離散化采樣，減小了信息丟失與截斷誤差;其次，通過引入等同于無限深度殘差網(wǎng)絡(luò)的神經(jīng)ODE框架，提高模型表達(dá)能力且訓(xùn)練開銷可控;最后，基于高密度1T1R憶阻陣列的模擬內(nèi)存計算，實(shí)現(xiàn)存算一體化和零模數(shù)轉(zhuǎn)換。與傳統(tǒng)方案相比，該架構(gòu)顯著降低了模-數(shù)轉(zhuǎn)換帶來的能耗與延遲，并在多項數(shù)字孿生任務(wù)中驗證了其可用性和能效優(yōu)勢。圖2展示了該求解器在 Lorenz-96 大氣動力學(xué)時間序列外推任務(wù)中的性能。該求解器不僅顯著降低了推理能耗(約 673.9 倍)和時延(約 369.3 倍)，還在預(yù)測精度上超越傳統(tǒng)基線模型，實(shí)驗結(jié)果驗證了憶阻器基求解器在實(shí)時數(shù)字孿生中的可行性與技術(shù)優(yōu)勢，為構(gòu)建面向工業(yè)4.0的數(shù)字孿生系統(tǒng)提供了理論與技術(shù)參考。在后續(xù)研究中，還需要開發(fā)實(shí)時校準(zhǔn)和補(bǔ)償方法，解決全模擬計算中難免出現(xiàn)誤差累積問題。此外，目前的憶阻陣列規(guī)模還十分有限，并且器件還存在非理想特性，面對更加復(fù)雜的應(yīng)用場景，仍需要進(jìn)一步提升憶阻器件的穩(wěn)定性和可靠性，開發(fā)更大規(guī)模和更高密度的憶阻器陣列。

圖2 采用連續(xù)時間數(shù)字孿生框架進(jìn)行多變量時間序列動態(tài)外推實(shí)驗

參考文獻(xiàn)：

https://www.science.org/doi/10.1126/sciadv.adr7571

Continuous-time digital twin with analogue memristive neural ordinary differential equation solver

H. Chen, J. Yang, J. Chen, S. Wang, S. Wang, Y. He, D. Wang, B. Cui, X. Tian, Y. Yu, X. Chen, Y. Lin, X. Wu, Y. Li, X. Zhang, N. Lin, M. Xu, Y. Li, X. Zhang, Z. Wang*, H. Wang*, D. S. Shang*, Q. Liu, K. Cheng, M. Liu,

Science Advances 11, eadr7571(2025)

undefined

推介人

黃森：

中科院微電子所，博導(dǎo)，國際IEEE高級會員，獲國家自然基金委優(yōu)秀青年基金和中科院青促會優(yōu)秀會員資助，長期致力于III族氮化物電子器件和物理研究。

審稿人

周曄：深圳大學(xué)

中國物理學(xué)會

第二屆應(yīng)用物理前沿推介委員會

主任：

李永慶(中國科學(xué)院物理研究所)

副主任：

柴國志、程智剛、黃森、齊靜波、王成、趙清源

半導(dǎo)體物理與器件分會：

召集人：

黃森(中國科學(xué)院微電子研究所)

委員：

梁世軍、劉楠、尚大山、王鑫華、蔚翠、周曄

低溫電子學(xué)分會：

召集人：

王成(電子科技大學(xué))

委員：

陳華、高翔、郭瀟、李國棟、魯文高、尤立星

量子傳感與探測分會：

召集人：

趙清源(南京大學(xué))

委員：

李貝貝、李明飛、劉剛欽、榮星、申恒

前沿交叉技術(shù)分會：

召集人：

程智剛(中國科學(xué)院物理研究所)

委員：

戴佳鈺、吉亮亮、李家方、陸興華、羅為、周睿

先進(jìn)光學(xué)與光電子學(xué)技術(shù)分會:

召集人：

齊靜波(電子科技大學(xué))

委員：

常國慶、李勇男、唐鑫、王鵬、魏鐘鳴

應(yīng)用磁學(xué)分會：

召集人：

柴國志(蘭州大學(xué))

委員：

陳宮、杜關(guān)祥、吳義政、楊海濤、于浦