新型人工突触阵列：快速、高效、耐用！
导读
据美国斯坦福大学官网近日报道，该校与桑迪亚国家实验室的研究人员开发出一种新型人工突触阵列。它可以模仿人脑处理和存储信息的方式，并且在处理速度、能量效率、重复性和耐用性方面的表现超出期望。
背景
人脑，可同时学习并记忆大量信息，然而需要的能量却很少。人脑的整体复杂程度与处理能力远远超越传统的计算机。时下，一种由人脑启发的新型计算机，也称为“类脑计算机”或者“神经形态计算机”，成为了一个新兴的研究领域，引起了来自物理、化学、材料、数学、电子与计算机科学等一系列领域的科学家们的广泛兴趣。
神经形态计算，是未来人工智能的重要发展方向之一。神经形态计算采用了不同于传统冯·诺依曼计算机的体系结构，模仿神经突触与神经元，以更节能、更快速、更高效的方式处理和学习数据。
（图片来源：日本东北大学）
为了实现神经形态计算，科学家们一直在努力创造各种可以模仿神经突触、具备学习功能的电子器件，例如忆阻器、超导人工突触、新型自旋电子器件等。
通过忆阻器阵列模仿神经元和突触的工作方式（图片来源：功能材料自旋电子学研究小组，格罗宁根大学）
创新
之前，美国斯坦福大学与桑迪亚国家实验室的研究人员开发出了神经形态计算机的部件：人工突触器件。该器件可以模仿大脑中神经元的通信方式。
阿尔伯托·萨莱奥教授与研究生斯科特·基恩在研究用于神经网络计算的人工突触的电化学特性。（图片来源：L.A. Cicero）
在一篇于4月25日在《科学（Science）》期刊上在线发表的论文中，9个这种器件组成的原型阵列，在处理速度、能量效率、重复性和耐用性方面的表现超出期望。
人工突触阵列（图片来源：Armantas Melianas 和 Scott Keene）
展望未来，团队成员想要将他们的人工突触与传统电子器件结合到一起。他们希望能进一步支持小型设备上的人工智能。
论文高级合著者之一、斯坦福大学材料科学与工程系教授阿尔伯托·萨莱奥（Alberto Salleo）教授实验室的研究生斯科特·基恩（Scott Keene）表示：“如果你有一个能以我们展示的能量效率和速度进行学习的存储系统，那么你就可以将它放到智能手机或者笔记本电脑中。它打开了通往一种能力的大门，这种能力使我们可以训练自己的网络并在自己的设备上就地解决问题，而无需依靠数据传输来解决问题。”
技术
团队的神经突触与电池相似。研究人员修改这种电池之后，可提高或者降低两端之间的电流。这种电流模仿了人脑的学习组织方式。这是一种特别高效的设计，因为数据处理与存储可同时进行，而不像传统计算机系统那样，先处理数据再将其转移到存储器。
搞清楚这些器件是如何在阵列中开展工作，是关键的一步。因为这样一来，研究人员可以同时设计几个人工突触的程序，比必须逐个设计每个突触的程序耗时更少，也与大脑的实际工作方式差不多。
之前，在对这个器件更早版本的测试中，研究人员们发现处理与存储所需的能量，是最先进的计算系统完成特定任务所需能量的十分之一。但是，研究人员仍担心所有这些器件加在一起，组成一个大型阵列完成任务时，会有消耗太多能量的风险。所以，他们重新设计了每个器件，使之传导的电流更少。这样一来，虽然它们作为电池来说性能较差，但是却组成了更节能的阵列。
这个3乘3的阵列还依赖于第二种器件，该器件由论文合著者、马萨诸塞大学安姆斯特分校的约书亚·杨（Joshua Yang）开发。它充当阵列中可编程突触的开关。
价值
萨莱奥实验室的博士后访问学者阿尔曼塔斯·米利安纳斯（Armantas Melianas）表示：“把所有东西都连接起来会带来许多故障，并耗费许多线。我们必须保证所有的阵列元件都正确工作。但是，我们看到一切都亮了起来，就像一棵圣诞树，这个时刻是最激动人心的。”
在测试期间，该阵列超出了研究人员们的期望。按照团队的预测，当下一版的这些器件要与特殊的高速电子器件一起测试时，才会需要这样的速度（该阵列目前的速度）。测量出3乘3阵列的高能效之后，研究人员运行了“1024乘1024”突触阵列的计算机仿真，并且评估认为，驱动它所需要的电池，与智能手机或者小型无人机中的电池一样。研究人员们也可以开关器件超过十亿次（又一次证明了运行速度），而器件的表现不会发生任何退化。
萨莱奥表示：“结果表明，对于聚合物器件来说，如果你处理得好，它们能与传统硅基器件一样耐用。在我看来，这可能是最出人意料的方面。对于我来说，它改变了我对于这些聚合物器件可靠性的看法，也改变了我们可能会如何使用它们。”
未来
研究人员目前为止还没有将他们的阵列交付测试，这些测试将决定它们学习得有多好，但那是他们计划要去研究的。团队也想要看看器件如何经受不同环境的考验，例如高温，并且研究如何将这些器件集成到电子器件上。研究人员还有许多根本问题需要去回答，这些问题将帮助他们理解器件为什么工作得这么好。
米利安纳斯表示：“我们希望，更多的人开始研究这种器件，因为目前聚焦于这个特殊架构的研究小组并不多，但是我们认为它非常有前景。提升与创造的空间仍然很大，我们只是触及表面而已。”
关键字
参考资料
【1】https://news.stanford.edu/2019/04/25/fast-efficient-artificial-synapse-developed/
【2】http://dx.doi.org/10.1126/science.aaw5581
了解更多前沿技术，请点击“阅读原文”。