來自日本的研究人員設計了一種基于電極 - 離子液體界面處的介電弛豫的可調物理儲層裝置。

物理油藏計算 （PRC） 依賴于物理系統的瞬態響應。它是一個有吸引力的機器學習框架，能夠以低功耗執行時間序列信號的高速處理。

PRC系統的可調諧性最小，限制了它可以處理的信號。來自日本的研究人員發現，離子液體作為一種易于調諧的物理儲層設備，可以通過改變粘度來增強在廣泛的時間尺度上處理信號。

在涉及傳感器和物聯網設備的應用中，規范通常是邊緣AI。邊緣的AI具有低功耗要求以及高速數據處理能力。這兩個特征在實時處理時間序列數據時都很有吸引力。

物理油藏計算（PRC）可以極大地簡化邊緣AI的計算范式。PRC 可用于將模擬信號存儲和處理到邊緣 AI 設備中。固態 PRC 系統的特點是特定的時間尺度，這些時間尺度不容易調整，并且對于大多數物理信號來說通常太快。時間尺度的不匹配和低可控性使得PRC在很大程度上不適合在生活環境中實時處理信號。

來自日本的研究小組包括東京理科大學的博士生木下健太郎和博士生桑圭教授，以及來自國立先進工業科學技術研究所的高級研究人員赤永弘之博士、志摩久博士和內藤康久博士，在發表在《科學報告》上的一項新研究中，建議使用液態中國系統。“用液體水庫取代傳統的固體儲層應該會導致人工智能設備能夠直接實時學習環境產生的信號（如語音和振動）的時間尺度，”Kinoshita教授解釋說。“離子液體是穩定的熔鹽，完全由自由漫游的電荷組成。離子液體的介電弛豫，或者其電荷如何重新排列作為對電信號的響應，可以用作儲層，并且對邊緣AI物理計算有很大的希望。

該團隊設計了一種含有有機鹽的離子液體（IL）的PRC系統，1-烷基-3-甲基咪唑雙（三氟甲烷磺酰基）亞胺（［Rmim+］ ［TFSI-］ R = 乙基（e），丁基（b），己基（h）和辛基（o）），其陽離子部分（帶正電荷的離子）可以很容易地隨著所選烷基鏈的長度而變化。

研究小組制造了金間隙電極，并用IL填補了間隙，“我們發現儲層的時間尺度雖然性質復雜，但可以直接由IL的粘度控制，這取決于陽離子烷基鏈的長度。改變有機鹽中的烷基很容易做到，它為我們提供了一個可控的、可設計的系統，適用于一系列信號壽命，允許將來廣泛的計算應用，“Kinoshita教授說。通過在2到8個單位之間調整烷基鏈長度，研究人員實現了1-20毫秒之間的特征響應時間，更長的烷基側鏈導致更長的響應時間和可調諧的AI學習性能。

使用AI圖像識別任務揭示了系統的可調諧性。AI呈現了一個手寫圖像作為輸入，該圖像由1 ms寬的矩形脈沖電壓表示。通過增加側鏈長度，該團隊使瞬態動力學接近目標信號的瞬態動力學，并且對于更高的鏈長度，辨別率得到提高。這是因為，與［emim+］ ［TFSI-］相比，電流在大約1 ms內放寬到其值，具有更長側鏈的IL，反過來，更長的松弛時間更好地保留了時間序列數據的歷史記錄，提高了識別精度。當使用8個單元的最長側鏈時，辨別率達到90.2%的峰值。

研究結果很有希望，因為演示表明，基于電極-離子液體界面介電弛豫的PRC系統可以通過簡單地改變IL的粘度來根據輸入信號進行適當的調整，為邊緣AI設備鋪平了道路，這些設備可以實時準確地學習生活環境中產生的各種信號。

審核編輯：郭婷