想象一下一个更可持续的未来，手机、智能手表和其他可穿戴设备不必被搁置或丢弃，而需要更新型号。相反，它们可以用最新的传感器和处理器升级，这些传感器和处理器可以安装在设备的内部芯片上鈥攍ike乐高积木融入现有建筑。这种可重新配置的芯片可以使设备保持最新，同时减少我们的电子浪费。
现在，麻省理工学院的工程师们已经朝着模块化的愿景迈出了一步，为可堆叠、可重构的人工智能芯片设计了一种类似乐高的设计。
该设计包括传感和处理元件的交替层，以及允许芯片层进行光学通信的发光二极管（LED）。其他模块化芯片设计采用传统布线在层间中继信号。这种复杂的连接即使不是不可能也很难断开和重新布线，这使得这种可堆叠的设计无法重新配置。
麻省理工学院的设计使用光，而不是物理电线，通过芯片传输信息。因此，芯片可以重新配置，层可以交换或堆叠，例如添加新的传感器或更新的处理器。
麻省理工学院博士后Jihoon Kang说：“你可以根据需要添加任意多个计算层和传感器，例如用于照明、压力甚至嗅觉。”。“我们称之为类似乐高的可重构AI芯片，因为它具有无限的可扩展性，这取决于层的组合。”
研究人员渴望将该设计应用于边缘计算设备鈥攕elf充足的传感器和其他电子设备，独立于任何中央或分布式资源（如超级计算机或基于云的计算）工作。
麻省理工学院机械工程副教授JeehwanKim表示：“随着我们进入基于传感器网络的物联网时代，对多功能边缘计算设备的需求将急剧扩大。”。“我们提出的硬件体系结构将在未来提供边缘计算的高度通用性。”
该团队的研究结果发表在《自然电子》杂志上。
照亮道路
该团队的设计目前配置为执行基本的图像识别任务。它通过图像传感器、LED和人工突触处理器的分层实现鈥攁该团队先前开发的一系列记忆电阻器，或“记忆器”，共同起到物理神经网络或“芯片上的大脑”的作用每个阵列都可以训练成直接在芯片上处理和分类信号，而无需外部软件或互联网连接。
在新的芯片设计中，研究人员将图像传感器与人工突触阵列配对，每一个突触阵列都经过训练以识别特定的字母鈥攊在这种情况下，M、I和T。虽然传统的方法是通过物理导线将传感器的信号中继到处理器，但该团队在每个传感器和人工突触阵列之间制造了一个光学系统，以实现层之间的通信，而无需物理连接。
麻省理工学院博士后玄塞克·金（HyunseokKim）说：“其他芯片都是通过金属进行物理布线的，这使得它们很难重新布线和重新设计，所以如果你想添加任何新功能，就需要制作一个新的芯片。”。“我们用光通信系统取代了物理有线连接，这使我们可以按照自己的方式自由堆叠和添加芯片。”
该团队的光通信系统由成对的光电探测器和LED组成，每个都有微小的像素图案。光电探测器构成用于接收数据的图像传感器，以及用于将数据传输到下一层的LED。当信号（例如字母图像）到达图像传感器时，图像的光模式对LED像素的特定配置进行编码，从而刺激另一层光电探测器，以及人工突触阵列，该阵列根据传入LED光的模式和强度对信号进行分类。
堆叠
该团队制造了一块芯片，其计算核心尺寸约为4平方毫米，约为一片五彩纸屑大小。该芯片由三个图像识别“块”堆叠而成，每个图像识别“块”包括一个图像传感器、光通信层和人工突触阵列，用于对三个字母M、I或T中的一个进行分类。然后，它们将随机字母的像素化图像照射到芯片上，并测量每个神经网络阵列响应时产生的电流。（电流越大，图像确实是特定数组训练识别的字母的可能性越大。）
研究小组发现，该芯片对每个字母的清晰图像进行了正确分类，但它无法区分模糊图像，例如I和T。然而，研究人员能够迅速将芯片的处理层换成更好的“去噪”处理器，并发现该芯片随后能准确识别图像。
麻省理工学院博士后宋敏圭（MinKyu Song）表示：“我们展示了可堆叠性、可替换性以及在芯片中插入新功能的能力。”。
研究人员计划在芯片上增加更多的传感和处理能力，他们设想应用将是无限的。
Choi说：“我们可以在手机摄像头上添加图层，使其能够识别更复杂的图像，或者将这些图层制作成可嵌入可穿戴电子皮肤的医疗监视器。”Choi和Kim之前开发了一种用于监测生命体征的“智能”皮肤。
他补充道，另一个想法是在电子产品中内置模块化芯片，消费者可以选择用最新的传感器和处理器“积木”来构建
“我们可以制作一个通用芯片平台，每一层都可以像视频游戏一样单独出售，”JeehwanKim说。“我们可以制作不同类型的神经网络，比如图像或语音识别，让客户选择他们想要的，然后添加到现有的芯片上，比如乐高。”
除了Kim和Kang，麻省理工学院的作者还包括第一作者Chanyeol Choi、Hyunseak Kim和Min Kyu Song，贡献作者Hanwool Yeon、Celesta Chang、Jun Min Suh、Jiho Shin、Kuangye Lu、Bo In Park、Yeongin Kim、Han Eol Lee、Doyoon Lee、Subeen Pang、Sang Hoon Bae、Hun S.Kum和Peng Lin，以及哈佛大学、清华大学、浙江大学的合作者，以及其他地方。