“会学习”的晶体管：向类脑计算迈出关键一步！
导读
近日，瑞典林雪平大学的科学家们开发出一种基于有机材料的新型晶体管。这种晶体管可以学习，并具备短期与长期的记忆功能。这项研究朝着创造模仿人类大脑的技术迈出了重要一步。
背景
如今，后摩尔时代已经悄然来临。芯片上的晶体管尺寸缩小与数量增加的速度正不断放缓，传统晶体管正在逼近物理极限，传统计算机正遭遇发展瓶颈。
为此，各国科学家正在努力探索各种新方法（例如自旋电子学）、新材料（例如二维材料、钙钛矿）、新架构（例如神经形态计算）以打造性能更佳、能耗更低的新一代计算机。
神经形态计算，也称为类脑计算，旨在模仿大脑处理、加工信息的过程，将存储元件与计算元件整合到同一芯片中。
神经形态计算是一种新型计算架构，突破了传统的冯·诺依曼体系结构带来的瓶颈：数据需要在CPU和内存之间来回移动，而CPU运算速度较快，内存访问速度较慢，即所谓的“内存墙”问题。
神经形态计算是受人脑启发而设计出来的。人脑处于全方位的互联状态，其逻辑功能与记忆功能密切关联。据科学家称，人脑的存储密度与多样性均是当代计算机的数十亿倍，目前最发达的超级计算机也无法与人脑相提并论。
人脑主要由神经元网络和突触组成，可并行处理和存储大量数据，且能耗极低。突触在人脑中扮演着非常关键的角色。大脑执行计算时，神经元之间会传递电化学信号。这些信号的传输受到一个关键连接结构控制，它就是突触。
（图片来源：NIST）
突触的感受能力，决定了突触后神经元是否会对于信号作出响应。如果信号不够强，突触后神经细胞将不会作出响应。发送的信号越多，突触的感受力就越强，这就使得突触具备了学习能力。
为了实现类似人脑的计算能力，科学家们一直在模仿突触，构造具有学习功能的器件，其中最主要的就是忆阻器，此外还有超导人工突触等方案。
忆阻器芯片
(图片来源：南安普敦大学)
超导人工突触结构（图片来源：NIST）
创新
今天，笔者要为大家介绍一种模仿突触、具有学习能力的新器件。
近日，瑞典林雪平大学的科学家们开发出一种基于有机材料的新型晶体管。这种晶体管可以学习，并具备短期与长期的记忆功能。这项研究朝着创造模仿人类大脑的技术迈出了重要一步。
迄今为止，大脑的独特之处在于能在之前没有连接的地方创造连接。在一篇发表于《先进科学（Advanced Science）》期刊上的论文中，瑞典林雪平大学的研究人员们描述了一种可以在输入与输出之间创造新连接的晶体管。他们将晶体管融入到电子电路中，这种电子电路能将特定的刺激与输出信号相联系，正如狗的学习能力一样，狗听到宠物食具准备好的声音，就知道食物正在途中。
技术
普通晶体管的工作机制就像一个阀，它可以根据输入信号的特性，放大或者抑制输出信号。在研究人员们开发的有机电化学晶体管中，晶体管中的沟道由电聚合的导电聚合物组成。沟道可以形成、生长、缩小，或者在运行期间完全消除。它也可以在接收训练之后，对特定的刺激（特定的输入信号）作出反应。这样一来，晶体管沟道就会变得更加导电，输出信号也更大。
北雪平校区有机电子实验室有机纳米电子学首席研究员 Simone Fabiano 表示：“这正是首次在神经形态装置中，展示新型电子元件实时的形成过程。”
通过增加晶体管沟道中聚合反应的程度，沟道不断生长，从而增加了传导信号的聚合物链的数量。要不然，材料可能会被过度氧化（施加高电压），并且沟道会变得没有活性。导电性的暂时改变也能通过“掺杂”或“去掺杂”材料来实现。
晶体管沟道并不是由有机电子中最常采用的聚合物（PEDOT）来构造，而是由这篇论文作者之一、有机电子实验室的 Roger Gabrielsson 采用一个新开发的单体（ETE-S）构造出来。ETE-S 具有几个非常适合这项应用的特性：它形成了足够长的聚合物链；它是溶于水的（而聚合物形式不是）；它通过中等程度的掺杂制造出聚合物。聚合物 PETE-S 是通过本征负电荷掺杂的形式（用于平衡正电荷载流子）制造，它属于p型掺杂。
价值
论文作者之一、有机纳米电子学博士后 Jennifer Gerasimov 表示：“我们展示了，我们可以对晶体管处理信息的方式引入短期和长期的改变，这对于模仿大脑细胞相互通信的方式来说至关重要。”
通过改变输入信号，晶体管响应的强度可以在更广范围上调制，并且在之前不存在连接的地方创建连接。它赋予了晶体管可以媲美突触或者两个大脑细胞之间通信接口。
这也标志着朝着采用有机电子器件的机器学习迈出了一大步。基于软件的人工神经网络，目前在机器学习中用于实现所谓的“深度学习”。软件需要在巨量节点之间传输信号以模仿单个突触，这具有可观的计算功率，因此会消耗可观的能量。
Jennifer Gerasimov 表示：“我们开发了一个采用电子元件实现同样功能的硬件。我们的有机电化学晶体管因此可以携带成千上万个普通的集体管，这些晶体管的能耗接近人脑在两个细胞之间传输信号所消耗的能量。”
关键字
参考资料
【1】https://liu.se/en/news-item/laraktig-transistor-harmar-hjarnan
【2】Jennifer Y. Gerasimov, Roger Gabrielsson, Robert Forchheimer, Eleni Stavrinidou, Daniel T. Simon, Magnus Berggren, Simone Fabiano. An Evolvable Organic Electrochemical Transistor for Neuromorphic Applications. Advanced Science, 2019; 1801339 DOI: 10.1002/advs.201801339
了解更多前沿技术，请点击“阅读原文”。