惠普发Nature了！对，就是那个惠普电脑的惠普！

▲第一作者：Suhas Kumar

通讯作者：Suhas Kumar

第一单位：惠普实验室（Hewlett Packard Labs）

DOI：10.1038/s41586-020-2735-5

背景介绍

不断增长的海量数据和计算需求，以及传统晶体管计算系统的性能趋于饱和，激发了人们对新型的计算基元的兴趣。目前仿生或神经形态人工智能的硬件方法主要依赖于复杂的晶体管电路来模拟生物功能，能够模拟神经元功能的单一的电子元件还未出现。周期尖峰只需要二阶复杂度，但在电路元件中产生神经形态动作电位理论上需要最小的三阶复杂度。而基于晶体管的数字芯片在模拟代表神经元丰富的非线性动力学的复杂方程的过程中会变得复杂、庞大且能量低下。

本文亮点

1、通过实验和建模，利用包括Mott转变动力学在内的多个电物理过程构建了具有三阶复杂度的纳米电路元件。

2、以三个三阶元件为基础构建了简单电路，实现了传统晶体管电路中的NAND（与非门）和NOR（或非门）的操作，且能够执行布尔运算。

3、组建了包含24个三阶纳米元件的集成阵列，为图像分割这一计算难题提供了模拟解决方案。

图文解析

▲图1 元件结构与静态测试

1. 三阶纳米元件中包含NbO₂易失性Mott忆阻开关，一个内部并联电容器，以及一个内部串联电阻。

2. 器件在低电流时呈现S形的负微分电阻（negative differential resistance, NDR），高电流时为箱形迟滞。

3. Mott转变提供的额外状态变量可以用来产生神经形态功能。

4. 为了获得想要的高阶Mott转变动力学，对元件的几何结构进行了优化，提升了电学性质和热学性质，同时对材料的成分也进行了微调。

▲图2 动作电位的实验测量与建模

1． 通过调节偏压，可以访问三阶纳米元件电流-电压曲线的不同区域，实现15种不同的神经形态反应。

2． 建立的有限元模型的数值模拟与实验数据一致，证明Mott绝缘体能够作为非线性响应的基础，在电路中产生动态行为。

▲图3 三阶元件实现通用的布尔逻辑门操作

通过对输入电压和耦合电阻的调节，实现了信号的传导，进一步成功完成了晶体管电路中的NAND（与非门）和NOR（或非门）的操作。

▲图4 神经形态模拟计算的实验演示

1、构建了一个包含24个三阶纳米元件的集成阵列用来实验演示模拟计算。

2、该系统与人脑中的丘脑-皮层计算有相似之处，它发生在振荡神经元网络中，这些神经元通过可调节的突触或是处理和传输神经信号的中枢/丘脑连接在一起。

3、神经振荡动态的同步导致了时空的分类，如自然语言以及人脸识别等

4、作者利用构建的系统来解决病毒准种重建问题（通常表示为图像最大分割问题），证明了基于这种三阶元件在模拟计算时相对于传统晶体管电路的高效性。

原文链接：

https://www.nature.com/articles/s41586-020-2735-5