科学家创造人工突触，将进一步拉进芯片和人脑间的距离

源Rankred译刘恒

科学家利用硅锗构建晶体管模拟开关器件小型人工突触芯片可以识别手写样本，精确度达到95％它旨在消除现有神经形态芯片有限的可扩展性，并执行只有超级计算机才能实现的复杂任务

目前，在处理能力方面，芯片打败人脑还是不可能的。然而，麻省理工学院在神经形态计算领域的工程师们正在开发一种像人脑一样工作的芯片。

与今天的二进制数字硬件不同的是，新的脑芯片将以模拟的方式工作，交换权重比（信号梯度），就像神经元流经突触时根据离子的数量和类型以不同的方式激活。

神经形态工程并不是什么新鲜事物：这个概念是在二十世纪八十年代末提出的，即使用 VLSI（超大规模集成电路）系统来模拟神经系统中的神经生物学结构。已有数十家大公司和高校研究这个领域。

最近，麻省理工学院的工程师们发现了无晶体管的模拟开关器件，它可以克服诸如键合可伸缩性和高功耗的一些限制。

灵感来自人脑

成年人脑含有 860 亿个神经元和 850 亿个非神经元细胞。单个神经元能够通过突触向成千上万的其他神经元传递指令。

神经系统中的突触是允许神经元将化学或电信号传递给另一个神经元的结构。有超过 100 万亿的突触介导神经元信号。有些关系得到了加强，有些关系则被消减，使人类的大脑能够快速记住事实、识别模式并执行学习任务。

像人脑一样，微小的神经晶片可以并行处理数百万个数据流。目前为止，这只能在超级计算机上才能实现，但现在，研究人员已经提出了一种能够精确控制流过它的电流强度（如神经元之间的离子流动）的人造突触。

他们使用硅锗建立一个小的人工突触芯片，可以识别手写样本，准确率达到95%。这对于为模式识别和其他复杂的学习任务开发高效、便携和低功耗的神经形态硬件是一大步。

现有系统存在问题

大多数神经形态学硬件设计试图通过由开关介质分开的两个导电层模拟神经元之间的突触连接，类似于突触样空间。就像突触的“权重”如何变化一样，当施加电压时离子应该在开关介质中移动以形成导电丝。

然而，在目前的设计中，由于开关介质的原因，我们无法精确地控制离子流动。由于这些开关介质大部分是由非晶态材料制成的，因此它为离子提供了无数的通路。这些路径使得很难预测离子移动的位置，造成突触性能不必要的不均匀性。

在非晶态金属中，当施加一定电压来表示数据时，离子会朝不同的方向移动。数据流在不断变化，很难控制。然而，在新的人工神经元中，可以完全擦除数据并以同样的方式再次写入数据。

制造人工突触

新设计使用单晶硅，其中原子以连续方式排列，使离子能够预测性地流动。为了让他们这样做，科学家们在硅晶圆上开发了硅锗的网状结构。硅锗的晶格比硅大得多。这两种材料形成隧道状的错位，形成离子的单一路径。

科学家制造了一个硅锗芯片，其中有人造突触，每个突触的长度约为25纳米。对每个突触施加电压表现出更少或更多的相同电流（离子流），突触之间仅有4％的变化。与由非晶态金属制成的神经形态芯片相比，该性能更均匀。

测试

为了验证器件的一致性（证明人工神经网络的关键因素），科学家在700次施加相同电压下测试了一个单突触。它表现出相同的电流，只有1％的变化。

三层多层感知神经网络

该团队还进行了一些实际测试，如识别手写样本。神经形态芯片将具有“输入/隐藏层/输出神经元”，每个神经元通过硅锗人工突触连接到其他神经元。这些神经网络可以学习某些模式，就像人类大脑一样。

他们通过2个人工突触层连接3个神经层进行人工神经网络模拟。他们执行了一个包含数万个样本的手写数据集，发现网络成功识别了95.1％的样本。

人工突触的发展为传统冯·诺依曼计算算法的实现提供了功能全面的大型神经网络。另外，它们还满足数字非易失性存储器所需的特性。

最终，研究人员正在寻求在现实中执行识别任务，而不是通过模拟执行其他只有通过大型超级计算机才能实现的复杂操作。

-END-

译者 刘恒

现通信与信息系统专业。一个热爱AI的初级码农研究僧。

了解如何加入我们