6月8日，麻省理工學(xué)院的工程師設(shè)計(jì)了一種“片上大腦”，它比一塊五彩紙屑還要小，它是由成千上萬(wàn)的人工腦突觸（稱(chēng)為憶阻器）制成的人腦。研究人員借鑒了冶金原理，用銀，銅和硅的合金制造了每個(gè)憶阻器。當(dāng)他們通過(guò)幾個(gè)視覺(jué)任務(wù)運(yùn)行芯片時(shí)，芯片能夠“記住”存儲(chǔ)的圖像并多次復(fù)制它們，與使用非合金元素制成的現(xiàn)有憶阻器設(shè)計(jì)相比，該版本更清晰，更干凈。

他們的結(jié)果今天發(fā)表在《自然納米技術(shù)》雜志上，展示了一種有前途的新型記憶電阻器設(shè)計(jì)，用于神經(jīng)形態(tài)設(shè)備。電子設(shè)備基于一種新型電路，該電路以模仿大腦神經(jīng)結(jié)構(gòu)的方式處理信息。這種受大腦啟發(fā)的電路可以?xún)?nèi)置到小型便攜式設(shè)備中，并且可以執(zhí)行只有當(dāng)今的超級(jí)計(jì)算機(jī)才能處理的復(fù)雜計(jì)算任務(wù)。

“到目前為止，人工突觸網(wǎng)絡(luò)作為軟件存在。我們正在努力為便攜式人工智能系統(tǒng)構(gòu)建真正的神經(jīng)網(wǎng)絡(luò)硬件?！甭槭±砉W(xué)院機(jī)械工程副教授Jeehwan Kim說(shuō)。想象一下，將神經(jīng)形態(tài)設(shè)備連接到汽車(chē)上的攝像頭，讓它能夠識(shí)別燈光和物體并立即做出決定，而無(wú)需連接到互聯(lián)網(wǎng)。我們希望使用高效節(jié)能的憶阻器在現(xiàn)場(chǎng)實(shí)時(shí)完成這些任務(wù)?！?/p>

徘徊離子

憶阻器或存儲(chǔ)晶體管是神經(jīng)形態(tài)計(jì)算中必不可少的元素。在神經(jīng)形態(tài)設(shè)備中，憶阻器將充當(dāng)電路中的晶體管，盡管其工作原理更類(lèi)似于大腦突觸，即兩個(gè)神經(jīng)元之間的連接。突觸以離子形式從一個(gè)神經(jīng)元接收信號(hào)，并向下一神經(jīng)元發(fā)送相應(yīng)的信號(hào)。

常規(guī)電路中的晶體管通過(guò)僅在兩個(gè)值0和1之間切換來(lái)傳輸信息，并且僅當(dāng)其接收到的電流形式的信號(hào)具有特定強(qiáng)度時(shí)才這樣做。相比之下，憶阻器將沿著梯度工作，就像大腦中的突觸一樣。它產(chǎn)生的信號(hào)將根據(jù)接收到的信號(hào)強(qiáng)度而變化。這將使單個(gè)憶阻器具有多個(gè)值，因此執(zhí)行的工作范圍比二進(jìn)制晶體管大得多。

像腦突觸一樣，憶阻器還能夠“記住”與給定電流強(qiáng)度相關(guān)的值，并在下次接收相似電流時(shí)產(chǎn)生完全相同的信號(hào)。這可以確保對(duì)復(fù)雜方程式或?qū)ο蟮囊曈X(jué)分類(lèi)的答案是可靠的，這一壯舉通常涉及多個(gè)晶體管和電容器。

最終，科學(xué)家們?cè)O(shè)想，憶阻器將比傳統(tǒng)晶體管需要更少的芯片空間，從而使功能強(qiáng)大的便攜式計(jì)算設(shè)備不再依賴(lài)超級(jí)計(jì)算機(jī)，甚至不依賴(lài)于Internet。

但是，現(xiàn)有的憶阻器設(shè)計(jì)在性能上受到限制。單個(gè)憶阻器由正電極和負(fù)電極制成，由“開(kāi)關(guān)介質(zhì)”或電極之間的空間隔開(kāi)。當(dāng)向一個(gè)電極施加電壓時(shí)，來(lái)自該電極的離子流過(guò)介質(zhì)，從而形成通向另一電極的“傳導(dǎo)通道”。接收到的離子組成了憶阻器通過(guò)電路傳輸?shù)碾娦盘?hào)。離子通道的大?。ㄒ约皯涀杵髯罱K產(chǎn)生的信號(hào)）的大小應(yīng)與激勵(lì)電壓的強(qiáng)度成比例。

Kim說(shuō)，現(xiàn)有的憶阻器設(shè)計(jì)在電壓刺激較大的導(dǎo)電通道或離子從一個(gè)電極到另一個(gè)電極的大量流動(dòng)的情況下效果很好。但是，當(dāng)憶阻器需要通過(guò)更細(xì)的傳導(dǎo)通道產(chǎn)生更微妙的信號(hào)時(shí)，這些設(shè)計(jì)的可靠性就會(huì)降低。

導(dǎo)電通道越細(xì)，離子從一個(gè)電極到另一電極的流動(dòng)越輕，單個(gè)離子保持在一起的難度就越大。相反，他們傾向于從群體中徘徊，在媒體中解散。結(jié)果，當(dāng)在一定的低電流范圍內(nèi)受到激勵(lì)時(shí)，接收電極很難可靠地捕獲相同數(shù)量的離子，從而傳輸相同的信號(hào)。

冶金學(xué)

金和他的同事們通過(guò)借鑒冶金學(xué)，將金屬熔煉成合金并研究其綜合性能的技術(shù)，找到了解決這一局限的方法。

“傳統(tǒng)上，冶金學(xué)家試圖將不同的原子添加到塊狀基質(zhì)中以增強(qiáng)材料，我們認(rèn)為，為什么不調(diào)整憶阻器中的原子相互作用，并添加一些合金元素來(lái)控制離子在我們介質(zhì)中的運(yùn)動(dòng)，” Kim說(shuō)。

工程師通常使用銀作為憶阻器正極的材料。金的團(tuán)隊(duì)仔細(xì)研究了文獻(xiàn)，找到了一種可以與銀結(jié)合的元素，可以有效地將銀離子保持在一起，同時(shí)允許它們快速流到另一個(gè)電極。

研究小組將銅作為理想的合金元素，因?yàn)樗瓤梢耘c銀結(jié)合，也可以與硅結(jié)合。

金說(shuō)：“它起到了橋梁的作用，并穩(wěn)定了銀硅界面。”

為了使用新合金制造憶阻器，該小組首先用硅制成了負(fù)極，然后先沉積少量的銅，再沉積一層銀，制成正極。他們將兩個(gè)電極夾在非晶硅介質(zhì)周?chē)Ｍㄟ^(guò)這種方式，他們用數(shù)以萬(wàn)計(jì)的憶阻器對(duì)一平方毫米的硅芯片進(jìn)行了構(gòu)圖。

作為對(duì)該芯片的首次測(cè)試，他們重新創(chuàng)建了美國(guó)隊(duì)長(zhǎng)盾牌的灰度圖像。他們將圖像中的每個(gè)像素等同于芯片中相應(yīng)的憶阻器。然后，他們調(diào)制每個(gè)憶阻器的電導(dǎo)，其強(qiáng)度與相應(yīng)像素中的顏色相對(duì)。

與其他材料制成的芯片相比，該芯片可產(chǎn)生與屏蔽相同的清晰圖像，并且能夠“記住”該圖像并多次復(fù)制。

該團(tuán)隊(duì)還通過(guò)圖像處理任務(wù)對(duì)芯片進(jìn)行了處理，對(duì)憶阻器進(jìn)行了編程，以改變圖像的方式（在本例中是MIT的Killian Court），包括幾種方法，包括銳化和模糊原始圖像。同樣，他們的設(shè)計(jì)比現(xiàn)有的憶阻器設(shè)計(jì)更可靠地生成重新編程的圖像。

“我們正在使用人工突觸進(jìn)行真實(shí)的推理測(cè)試，” Kim說(shuō)?！拔覀兿ＭM(jìn)一步開(kāi)發(fā)該技術(shù)，使其具有更大的陣列來(lái)執(zhí)行圖像識(shí)別任務(wù)。甚至有一天，您可能能夠攜帶人造大腦來(lái)執(zhí)行這些任務(wù)，而無(wú)需連接到超級(jí)計(jì)算機(jī)，互聯(lián)網(wǎng)或云。

團(tuán)隊(duì)最終想要做的是重建大型，復(fù)雜的人工神經(jīng)網(wǎng)絡(luò)，該網(wǎng)絡(luò)目前基于需要大量GPU計(jì)算能力才能運(yùn)行的軟件-但作為專(zhuān)用硬件，以便可以在小型設(shè)備（包括您的手機(jī)，或相機(jī)。與傳統(tǒng)的晶體管只能在兩種狀態(tài)（0或1）之間切換并構(gòu)成現(xiàn)代計(jì)算機(jī)的基礎(chǔ)不同，憶阻器提供值的梯度，更像是原始模擬計(jì)算機(jī)的大腦。它們還可以“記住”這些狀態(tài)，因此可以輕松地針對(duì)相同的接收電流多次重復(fù)創(chuàng)建相同的信號(hào)。

研究人員在這里所做的就是借鑒冶金學(xué)的一個(gè)概念：當(dāng)冶金學(xué)家想要改變金屬的特性時(shí)，他們將其與具有所需特性的另一種金屬結(jié)合起來(lái)，制成了一種合金。同樣，研究人員在這里發(fā)現(xiàn)了一種元素，可以與用作憶阻器正電極的銀結(jié)合，以使其能夠更好地始終如一地可靠地沿非常細(xì)的導(dǎo)電通道傳輸離子。

這就是使團(tuán)隊(duì)能夠創(chuàng)建包含數(shù)以萬(wàn)計(jì)的憶阻器的超小型芯片的原因，這些芯片不僅可以可靠地從“內(nèi)存”中重新創(chuàng)建圖像，而且還可以執(zhí)行推理任務(wù)，例如改善命令的原始圖像的細(xì)節(jié)或使其更好地模糊比其他科學(xué)家創(chuàng)建的其他憶阻器要好。

仍有很長(zhǎng)的路要走，但該項(xiàng)目的團(tuán)隊(duì)建議，最終，這可能會(huì)導(dǎo)致便攜式，人工腦計(jì)算機(jī)能夠以當(dāng)今超級(jí)計(jì)算機(jī)的規(guī)模執(zhí)行非常復(fù)雜的任務(wù)-耗電量最低，并且不需要任何網(wǎng)絡(luò)連接。

這項(xiàng)研究部分由麻省理工學(xué)院研究支持委員會(huì)基金，麻省理工學(xué)院的IBM Watson AI實(shí)驗(yàn)室，三星全球研究實(shí)驗(yàn)室和美國(guó)國(guó)家科學(xué)基金會(huì)資助。

責(zé)任編輯：gt