新型突触晶体管可模仿人脑的综合处理和记忆能力

来自美国西北大学、波士顿学院和麻省理工学院（MIT）的研究团队利用人脑的复杂工作原理，创造出了一种创新型突触晶体管。这种先进的设备不仅能处理信息，还能存储信息，与人脑的多功能性如出一辙。研究小组最近的实验表明，这种晶体管不仅能完成简单的机器学习任务，还能对数据进行分类，并能进行联想学习。

研究人员开发出一种新型突触晶体管，可模仿人脑的综合处理和记忆能力。这种器件可在室温下工作，具有高能效，并能执行联想学习等复杂的认知任务，是人工智能领域的一大进步。图片来源：Xiaodong Yan/美国西北大学

尽管之前的研究利用类似的策略开发出了类脑计算设备，但这些晶体管无法在低温环境下工作。相比之下，新设备在室温下也能稳定运行。它的运行速度也很快，能耗极低，即使断电也能保留存储的信息，因此非常适合实际应用。

这项研究最近发表在《自然》杂志上。

模仿大脑的效率

"在数字计算机中，数据在微处理器和内存之间来回移动，这会消耗大量能量，并在尝试同时执行多项任务时造成瓶颈。另一方面，在大脑中，内存和信息处理位于同一位置并完全集成，因此能效要高出几个数量级。我们的突触晶体管同样实现了同时记忆和信息处理的功能，从而更忠实地模拟了大脑"。西北大学的马克-赫萨姆（Mark C. Hersam）表示，他是这项研究的共同负责人。

赫萨姆是西北大学麦考密克工程学院材料科学与工程系沃尔特-墨菲（Walter P. Murphy）教授。他还是材料科学与工程系主任、材料研究科学与工程中心主任和国际纳米技术研究所成员。Hersam 与波士顿学院的 Qiong Ma 和麻省理工学院的 Pablo Jarillo-Herrero 共同领导了这项研究。

发展背后的驱动力

人工智能（AI）的最新进展促使研究人员开发出更像人脑一样运行的计算机。传统的数字计算系统拥有独立的处理和存储单元，导致数据密集型任务消耗大量能源。随着智能设备不断收集大量数据，研究人员正努力寻找新的方法来处理这些数据，同时又不会消耗越来越多的电能。目前，忆阻器（或称"memristor"）是最先进的技术，可以同时执行处理和存储功能。但是，忆阻器仍然存在开关能耗高的问题。

"几十年来，电子技术的模式一直是用晶体管制造一切，并使用相同的硅架构，"赫萨姆说。"通过在集成电路中集成越来越多的晶体管，我们已经取得了长足的进步。不能否认这一战略的成功，但它是以高能耗为代价的，尤其是在当前的大数据时代，数字计算正朝着压倒电网的方向发展。我们必须重新思考计算硬件，尤其是人工智能和机器学习任务。"

使用摩尔纹的创新设计

为了重新思考这一范式，赫萨姆和他的团队探索了摩尔纹物理学的新进展。摩尔纹是一种几何设计，当两个图案相互叠加时就会出现。当二维材料堆叠在一起时，就会产生单层材料所不具备的新特性。当这些层被扭曲形成摩尔纹图案时，电子特性前所未有的可调谐性就成为可能。

在新设备中，研究人员结合了两种不同类型的原子薄材料：双层石墨烯和六方氮化硼。这两种材料堆叠在一起并有意扭曲时，会形成摩尔纹。通过相对旋转一层，研究人员可以在每层石墨烯中实现不同的电子特性，即使它们之间只有原子尺度的距离。通过正确选择扭曲方式，研究人员利用摩尔纹物理学在室温下实现了神经形态功能。

赫萨姆说："有了扭曲这个新的设计参数，就有了大量的排列组合。石墨烯和六方氮化硼在结构上非常相似，但又有足够的不同，因此能产生异常强烈的摩尔纹效应。"

先进的功能和测试

为了测试这种晶体管，赫萨姆和他的团队训练它识别相似但不完全相同的图案。就在本月早些时候，赫萨姆推出了一种新型纳米电子设备，能够以节能的方式分析和分类数据，但他的新型突触晶体管将机器学习和人工智能又向前推进了一步。

赫萨姆说："如果人工智能的目的是模仿人类的思维，那么最低级的任务之一就是对数据进行分类，也就是简单的分门别类。我们的目标是推动人工智能技术向更高层次的思维方向发展。现实世界的条件往往比当前的人工智能算法所能处理的更为复杂，因此我们在更为复杂的条件下测试了我们的新设备，以验证其先进的能力。"

首先，研究人员向设备展示了一种模式：000（连续三个零）。然后，他们要求人工智能识别类似的图案，如 111 或 101。赫萨姆解释说："如果我们训练它检测出 000，然后给它 111 和 101，它就会知道 111 比 101 更类似于 000。000和111并不完全相同，但都是连续的三位数字。识别这种相似性是一种更高层次的认知形式，被称为联想学习"。

在实验中，这种新型突触晶体管成功识别了类似的图案，展示了它的联想记忆能力。即使研究人员抛出了难题--比如给它不完整的图案--它仍然成功地展示了联想学习能力。

目前的人工智能很容易被混淆，这在某些情况下会造成重大问题。想象一下，如果你正在使用一辆自动驾驶汽车，而天气状况却在恶化。车辆可能无法像人类驾驶员那样很好地解读更复杂的传感器数据。但即使我们给晶体管提供了不完美的输入，它仍然可以识别出正确的反应。

编译来源：ScitechDaily