从底层新概念神经形态器件向人工智能进军
人工智能是当前科技界最热门的领域，不论是Google、Facebook、微软、IBM等国际IT巨头，还是在国内以百度、腾讯为代表的科技力量，均将人工智能技术作为未来发展的重点，一批国家级的人工智能计划开始实施，如欧盟“人脑工程项目”、美国“大脑研究计划”等。2016年1月28日，Google公司DeepMind团队在《Nature》上发文宣布其人工智能系统AlphaGo历史性的战胜人类的职业围棋-欧洲围棋冠军樊麾。2016年3月，AlphaGo又以4:1的战绩战胜了韩国围棋九段棋手李世石。谷歌旗下的人工智能AlphaGo本质上还是运行在传统超级计算机上的深度增强学习软件，所需硬件资源和能源消耗都过于庞大。最近IBM、Qualcomm和HRL实验室的研究人员开始致力于创建与传统计算机在处理信息方式上有着本质不同的神经仿生计算机。他们采用成熟的CMOS电路来开展突触和神经元功能的仿生。例如2014年8月8月IBM公司曾在《Science》杂志封面报道了一款True North芯片，该芯片实现了百万神经元和2.56亿突触的仿生。不过人脑启发软件公司 Numenta创始人杰夫•霍金斯（Jeff Hawkins）认为该芯片本身不能实现学习功能,还称不上是真正意义上的类脑芯片。
从底层出发研制具有生物突触功能的元器件对于构建神经形态系统和研制真正意义上的“类脑芯片”意义十分重大。最近几年，在阻变/忆阻器、相变存储材料和双电层晶体管基础上发展起来的 “人造突触”器件引起了各国研究人员的广泛关注。具有多输入栅电极端口的双电层晶体管在构建多输入神经网络方面比两端突触器件更加灵活和自由。
近期，南京大学万青研究团队与中科院宁波材料所科研人员合作首次研制成功了一种具有多输入端口的质子导电电解质（氧化石墨烯）耦合的氧化物神经形态晶体管。基于神经元树突的输入模式，研究者们通过在一个栅极上施加调控信号，其他多个栅极上施加驱动信号，成功仿生实现了生物神经元的非线性整合和方向调节功能。最后，研究人员还基于生物神经系统的频率编码方式，在单个多端口神经形态晶体管上实现了神经元对输入/输出关系的乘法运算的仿生。由于上述功能与神经系统的模式识别、感官处理等复杂认知功能高度相关，该类神经形态器件在新一代超低功耗类脑芯片和人工智能领域具有重大潜在应用价值。
相关研究结果在线发表在Advanced Materials（DOI:10.1002/adma.201505898）上，第一作者为南京大学与中科院宁波材料所联合培养的博士研究生万昌锦。
（点击以上标题可以阅读原文）
MaterialsViewsChina & Wiley 官方微信平台
聚焦材料新鲜资讯
材料大牛VS新秀访谈
MVC论文排行榜每月新鲜出炉
热爱科研的你还在等什么，快加入我们一起微互动吧！！！
微信号：materialsviews
wileychina
微博：materialsviews中国
欢迎个人转发和分享，刊物或媒体如需要转载，请联系：
materialsviewschina@wiley.com
关注材料科学前沿，请长按识别二维码
点击左下角“阅读原文”，阅读Advanced Materials原文