约翰斯·霍普金斯大学的电气和计算机工程师正在开创一种新的方法来制造神经网络芯片——神经形态加速器，它可以为自动驾驶汽车和机器人等下一代嵌入式系统提供节能、实时的机器智能
电气和计算机工程研究生Michael Tomlinson和本科生Joe Li都是Andreou实验室的成员，他们使用自然语言提示和ChatGPT4生成了详细的指令，以构建一个尖峰神经网络芯片：一个操作非常像人脑的芯片
通过对ChatGPT4的逐步提示，从模拟单个生物神经元开始，然后连接更多神经元形成网络，他们生成了可以制造的完整芯片设计
“这是第一个由机器使用自然语言处理设计的人工智能芯片。这类似于我们告诉计算机‘制造人工智能神经网络芯片’，计算机会吐出一个用于制造芯片的文件，”电气和计算机工程教授Andreas Andreou说，语言和语音处理中心联合创始人，卡夫利神经科学发现研究所和约翰霍普金斯大学新数据科学与人工智能研究所成员
芯片的最终网络架构是一个由两层互连神经元组成的小型硅大脑。用户可以使用8位可寻址权重系统来调整这些连接的强度，从而允许芯片配置确定芯片功能和行为的学习权重
重新配置和可编程性是使用一个称为标准外围接口（SPI）子系统的用户友好界面来完成的，它就像一个遥控器。这个SPI子系统也是由ChatGPT使用自然语言提示设计的
Tomlinson解释说，他们设计了一个简单的神经网络芯片，没有复杂的编码作为概念证明。在将芯片送去制造之前，该团队通过广泛的软件模拟进行了验证，以确保最终设计能够按预期进行，并允许他们对设计进行迭代并解决任何问题
最终设计以电子方式提交给Skywater“铸造厂”，这是一家芯片制造服务公司，目前正在使用相对低成本的130纳米CMOS工艺进行“印刷”
“在过去的20年里，半导体行业在缩小计算机芯片物理结构的特征尺寸方面取得了巨大进展，从而在同一硅区域实现了更复杂的设计。
”后一种先进的计算机芯片，反过来，支持更复杂的软件计算机辅助设计算法，并创建更先进的计算硬件，从而使计算能力呈指数级增长，为今天的人工智能革命提供动力。
"Over the last 20 years, the semiconductor industry has made great progress in scaling down the feature size of physical structures on computer chips enabling more complex designs in the same silicon area.
"The latter advanced computer chips, in turn, support more sophisticated software Computer-Aided Design algorithms and the creation of more advanced computing hardware yielding the exponential growth in computing power that is powering today's AI revolution."
想要了解更多关于脑机接口技术的内容，请关注脑机网，我们将定期发布最新的研究成果和应用案例，让您第一时间了解脑机接口技术的最新进展。
