美國麻省理工為神經形態晶元設計和製造出鍺硅人工突觸，為攜帶型人工智慧設備向前邁進提供重要台階

美國麻省理工學院（MIT）的研究團隊設計了一種人工突觸，能夠精確地控制流過它的電流強度，類似於離子在神經元之間流動的方式。研究人員已經實現了一個由鍺硅製成的帶有人工突觸的小型晶元。在模擬模擬中發現，該晶元及其人工突觸可以識別手寫樣本，準確率高達95%。研究成果已經發表在國際權威學術期刊《自然材料》雜誌（Nature Materials）上。

研究背景

大腦中大約有1000億個神經元。在任何時候，單個神經元都可以通過突觸傳遞指令到數以千計的其他神經元，神經遞質通過突觸進行傳遞。大腦中有超過100萬億的突觸負責調節神經元信號，這些突觸會加強某些連接，同時抑制其他的連接，使大腦能夠以閃電般的速度識別模式、記住事實並執行其他學習任務。

在「神經形態計算」這個新興領域，研究人員試圖設計出像人腦一樣工作的計算機晶元。不同於現在的數字晶元基於二進位、0/1信號進行計算，「神經形態晶元」將以模擬方式工作，交換信號梯度或「權重」，非常類似於神經元根據流過突觸的離子的類型和數量激發各種動作。

通過這種方式，小型神經形態晶元可以像大腦一樣高效地處理數以百萬計的並行計算流，而目前這種並行計算只有通過大型超級計算機才有可能實現。但是，在這種攜帶型人工智慧設備的研究方法中，一個重要的難題就是神經突觸，它在硬體上再現特別困難。

研究團隊

本研究由麻省理工學院機械工程和材料科學與工程系助理教授Jeehwan Kim以及電子與微系統技術研究實驗室的主要研究人員領導。成果研究來自麻省理工學院的Shinhyun Choi（第一作者），Scott Tan（共同第一作者），Zefan Li，Yunjo Kim，Chanyeol Choi和Hanwool Yeon以及亞利桑那州立大學的Pai-Yu Chen和Shimeng Yu。

圖為麻省理工學院研究人員，從左至右依次是Scott H. Tan，Jeehwan Kim和Shinhyun Choi

研究挑戰

大多數神經形態晶元的設計試圖通過由「交換媒介」或類突觸空間（synapse-like space）分隔的兩個傳導層，來模仿神經元之間的突觸連接。當施加電壓時，離子會在「交換媒介」中移動以形成導電細絲，與突觸的「權重」變化過程類似。

但是在現有設計中控制離子的流動是很困難的。Kim表示，這是因為大多數的「交換媒介」由非晶材料製成，離子在其中的移動具有無限多種可能路徑，有點像「彈球盤」——一種機械街機遊戲，通過一系列銷釘和槓桿將小鋼球向下彈射，轉移或引導小球離開機器。

像「彈球盤」一樣，現有的「交換媒介」包含多條路徑，這使得難以預測離子通過哪條路徑。Kim表示，這種情況在突觸中會導致突觸性能的非均勻性。

Kim說：「一旦使用電壓代表人工神經元的某些數據，就必須進行擦除，並能夠以同樣的方式再次寫入。但是在非晶態固體中，當再次寫入時，由於材料有許多缺陷，離子會向不同的方向移動。離子流是不斷變化的，而且很難控制。這是面臨最大的問題——人工突觸的非均勻性。」

核心技術

Kim和他的同事們沒有使用非晶材料製造人工突觸，而是研究單晶硅，這是一種由連續有序排列的原子構成的無缺陷導電材料。研究團隊試圖通過預測離子在單晶硅中可能移動方向創建一種精確的一維線缺陷或錯位。

為了做到這一點，研究人員開始使用硅晶圓。然後，他們在硅晶圓的頂端生長出類似鍺硅的材料，這種鍺硅也是一種常用於晶體管的材料。鍺硅的晶格稍大於硅的晶格，Kim發現，這兩種完全不匹配的材料可以形成漏斗狀的位錯，創建了可以讓離子移動的單一路徑。

研究人員製造出一個神經形態晶元，該晶元由鍺硅材料製成的人工突觸構成，每個突觸長約25納米，他們對每個突觸施加電壓，發現所有突觸都表現出差不多相同的電流或離子流，突觸之間的差異大約為4％。與由非晶材料製成的突觸相比，由鍺硅材料製成的人工突觸性能一致性明顯好的多。

研究人員還通過多次試驗測試了同一個突觸，在700次循環試驗中施加相同的電壓，發現突觸表現出相同的電流，每次循環之間僅有1%的變化。

重要意義

該研究成果是通向人工神經網路的關鍵，是邁向構建用於模式識別和其他學習任務的攜帶型、低功耗神經形態晶元的重要一步。

應用測試

在最後的測試中，研究團隊探索了神經形態晶元如何執行實際的學習任務——如何識別手寫樣本，研究人員認為這是神經形態晶元的第一次實際測試。該晶元將由「輸入/隱藏/輸出神經元」組成，每個神經元通過基於導電細絲的人工突觸連接到其他神經元。

研究團隊構建了一個人工神經網路並進行了計算機模擬模擬，該神經網路由三層神經層組成，神經層通過兩層人造突觸相連，這些神經層的特性是基於真實神經形態晶元的測量結果。研究人員向人工神經網路輸入了神經形態晶元設計人員常用的手寫識別數據集，模擬了成千上萬個樣本，結果發現他們研發的神經網路硬體可以在95%的時間內正確識別手寫樣本，而現有軟體演算法的準確度為97%。

預期目標

研究團隊正在製造一個可以執行手寫識別任務的神經形態晶元，不是在模擬情景下，而是在實際應用中運行。除了手寫外，Kim還表示，該團隊的人工突觸設計將能夠實現更小型化、攜帶型的神經網路設備，能夠執行目前只有大型超級計算機才有可能進行的複雜計算。

Kim表示，最終他們需要一個像指甲一樣大的晶元來代替一台大型超級計算機，這為生產真正的人工智慧硬體提供了發展的「墊腳石」。

研究資助

這項研究得到了美國國家科學基金會的部分支持。

成果發表

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！