新型人工突觸陣列：快速、高效、耐用！

背景

人腦，可同時學習並記憶大量信息，然而需要的能量卻很少。人腦的整體複雜程度與處理能力遠遠超越傳統的計算機。時下，一種由人腦啟發的新型計算機，也稱為「類腦計算機」或者「神經形態計算機」，成為了一個新興的研究領域，引起了來自物理、化學、材料、數學、電子與計算機科學等一系列領域的科學家們的廣泛興趣。

神經形態計算，是未來人工智慧的重要發展方向之一。神經形態計算採用了不同於傳統馮·諾依曼計算機的體系結構，模仿神經突觸與神經元，以更節能、更快速、更高效的方式處理和學習數據。

（圖片來源：日本東北大學）

為了實現神經形態計算，科學家們一直在努力創造各種可以模仿神經突觸、具備學習功能的電子器件，例如憶阻器、超導人工突觸、新型自旋電子器件等。

通過憶阻器陣列模仿神經元和突觸的工作方式（圖片來源：功能材料自旋電子學研究小組，格羅寧根大學）

創新

之前，美國斯坦福大學與桑迪亞國家實驗室的研究人員開發出了神經形態計算機的部件：人工突觸器件。該器件可以模仿大腦中神經元的通信方式。

阿爾伯托·薩萊奧與斯科特·基恩在研究人工突觸的電化學特性。（圖片來源：L.A. Cicero）

在一篇於4月25日在《科學（Science）》期刊上在線發表的論文中，9個這種器件組成的原型陣列，在處理速度、能量效率、重複性和耐用性方面的表現超出期望。

人工突觸陣列（圖片來源：Armantas Melianas 和 Scott Keene）

展望未來，團隊成員想要將他們的人工突觸與傳統電子器件結合到一起。他們希望能進一步支持小型設備上的人工智慧。

論文高級合著者之一、斯坦福大學材料科學與工程系教授阿爾伯托·薩萊奧（Alberto Salleo）教授實驗室的研究生斯科特·基恩（Scott Keene）表示：「如果你有一個能以我們展示的能量效率和速度進行學習的存儲系統，那麼你就可以將它放到智能手機或者筆記本電腦中。它打開了通往一種能力的大門，這種能力使我們可以訓練自己的網路並在自己的設備上就地解決問題，而無需依靠數據傳輸來解決問題。」

技術

團隊的神經突觸與電池相似。研究人員修改這種電池之後，可提高或者降低兩端之間的電流。這種電流模仿了人腦的學習組織方式。這是一種特別高效的設計，因為數據處理與存儲可同時進行，而不像傳統計算機系統那樣，先處理數據再將其轉移到存儲器。

搞清楚這些器件是如何在陣列中開展工作，是關鍵的一步。因為這樣一來，研究人員可以同時設計幾個人工突觸的程序，比必須逐個設計每個突觸的程序耗時更少，也與大腦的實際工作方式差不多。

之前，在對這個器件更早版本的測試中，研究人員們發現處理與存儲所需的能量，是最先進的計算系統完成特定任務所需能量的十分之一。但是，研究人員仍擔心所有這些器件加在一起，組成一個大型陣列完成任務時，會有消耗太多能量的風險。所以，他們重新設計了每個器件，使之傳導的電流更少。這樣一來，雖然它們作為電池來說性能較差，但是卻組成了更節能的陣列。

這個3乘3的陣列還依賴於第二種器件，該器件由論文合著者、馬薩諸塞大學安姆斯特分校的約書亞·楊（Joshua Yang）開發。它充當陣列中可編程突觸的開關。

價值

薩萊奧實驗室的博士後訪問學者阿爾曼塔斯·米利安納斯（Armantas Melianas）表示：「把所有東西都連接起來會帶來許多故障，並耗費許多線。我們必須保證所有的陣列元件都正確工作。但是，我們看到一切都亮了起來，就像一棵聖誕樹，這個時刻是最激動人心的。」

在測試期間，該陣列超出了研究人員們的期望。按照團隊的預測，當下一版的這些器件要與特殊的高速電子器件一起測試時，才會需要這樣的速度（該陣列目前的速度）。測量出3乘3陣列的高能效之後，研究人員運行了「1024乘1024」突觸陣列的計算機模擬，並且評估認為，驅動它所需要的電池，與智能手機或者小型無人機中的電池一樣。研究人員們也可以開關器件超過十億次（又一次證明了運行速度），而器件的表現不會發生任何退化。

薩萊奧表示：「結果表明，對於聚合物器件來說，如果你處理得好，它們能與傳統硅基器件一樣耐用。在我看來，這可能是最出人意料的方面。對於我來說，它改變了我對於這些聚合物器件可靠性的看法，也改變了我們可能會如何使用它們。」

未來

研究人員目前為止還沒有將他們的陣列交付測試，這些測試將決定它們學習得有多好，但那是他們計劃要去研究的。團隊也想要看看器件如何經受不同環境的考驗，例如高溫，並且研究如何將這些器件集成到電子器件上。研究人員還有許多根本問題需要去回答，這些問題將幫助他們理解器件為什麼工作得這麼好。

米利安納斯表示：「我們希望，更多的人開始研究這種器件，因為目前聚焦於這個特殊架構的研究小組並不多，但是我們認為它非常有前景。提升與創造的空間仍然很大，我們只是觸及表面而已。」

關鍵字

人工突觸、類腦計算、人工智慧

參考資料

【1】https://news.stanford.edu/2019/04/25/fast-efficient-artificial-synapse-developed/

【2】http://dx.doi.org/10.1126/science.aaw5581

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！