麻省理工学院朱棣文教授 一个新的麻省理工学院制造的“芯片大脑”重新处理了麻省理工学院基利安法院的图像，包括锐化和模糊图像，比现有的神经形态设计更可靠
信用:图片由研究人员提供 麻省理工学院的工程师设计了一种“芯片上的大脑”，比一片纸屑还小，由数万个被称为忆阻器的人工大脑突触组成，忆阻器是一种基于硅的组件，模拟人脑中的信息传输突触
研究人员借用冶金学原理，用银和铜以及硅的合金来制造每个忆阻器
当他们在芯片上运行几个视觉任务时，芯片能够“记住”存储的图像，并多次复制它们，与现有的用非合金元素制成的忆阻器设计相比，版本更清晰、更干净
他们的结果今天发表在《自然纳米技术》杂志上，展示了一种有前途的神经形态器件的新忆阻器设计——基于一种新型电路的电子器件，该电路以模拟大脑神经结构的方式处理信息
这种受大脑启发的电路可以嵌入小型便携式设备中，完成只有今天的超级计算机才能处理的复杂计算任务
“到目前为止，人工突触网络是作为软件存在的
“我们正试图为便携式人工智能系统构建真正的神经网络硬件，”麻省理工学院机械工程副教授金治焕说
“想象一下，将一个神经形态设备连接到你车上的摄像头，让它识别灯光和物体，并立即做出决定，而不必连接到互联网
我们希望使用节能忆阻器在现场实时完成这些任务
" 游走离子 忆阻器，或称记忆晶体管，是神经形态计算中的重要元素
在神经形态设备中，忆阻器将充当电路中的晶体管，尽管它的工作方式更类似于大脑突触——两个神经元之间的连接点
突触从一个神经元接收离子形式的信号，并向下一个神经元发送相应的信号
传统电路中的晶体管通过在0和1这两个值之间切换来传输信息，并且只有当它接收到的电流形式的信号具有特定强度时才这样做
相比之下，忆阻器会沿着梯度工作，很像大脑中的突触
它产生的信号会根据接收信号的强度而变化
这将使单个忆阻器具有许多值，因此比二进制晶体管执行更广泛的操作
像大脑突触一样，忆阻器也能够“记住”与给定电流强度相关的值，并在下次接收类似电流时产生完全相同的信号
这可以确保复杂方程的答案或物体的视觉分类是可靠的——这一壮举通常需要多个晶体管和电容
最终，科学家们设想忆阻器将比传统晶体管需要更少的芯片面积，实现强大的便携式计算设备，而不依赖于超级计算机，甚至不依赖于互联网连接
然而，现有忆阻器设计的性能有限
单个忆阻器由一个正电极和一个负电极组成，由“开关介质”或电极之间的空间隔开
当电压施加到一个电极时，来自该电极的离子流过介质，形成到另一个电极的“传导通道”
接收到的离子组成了忆阻器通过电路传输的电信号
离子通道的大小(以及忆阻器最终产生的信号)应该与刺激电压的强度成比例
金说，现有的忆阻器设计在电压刺激大的传导通道，或者离子从一个电极流向另一个电极的情况下工作得很好
但当忆阻器需要通过更细的传导通道产生更细微的信号时，这些设计就不那么可靠了
传导通道越细，从一个电极到另一个电极的离子流越轻，单个离子就越难保持在一起
相反，他们倾向于离开群体，在媒介中解散
因此，当受到一定范围的低电流刺激时，接收电极很难可靠地捕获相同数量的离子，从而传输相同的信号
新芯片(左上角)由数万个人工突触或“忆阻器”组成，由银铜合金制成
当每个忆阻器被一个对应于灰度图像中一个像素和阴影的特定电压激励时(在这种情况下，美国队长屏蔽)，新芯片再现了相同的清晰图像，比用不同材料的忆阻器制造的芯片更可靠
信用:图片由研究人员提供 借鉴冶金 金和他的同事们通过借用冶金学的一种技术找到了绕过这一限制的方法，冶金学是将金属熔合成合金并研究其综合性能的科学
“传统上，冶金学家试图将不同的原子添加到大块基体中来强化材料，我们认为，为什么不调整忆阻器中的原子相互作用，并添加一些合金元素来控制离子在介质中的运动，”金说
工程师通常使用银作为忆阻器正极的材料
金的团队查阅了文献，发现了一种元素，这种元素可以与银结合，有效地将银离子结合在一起，同时允许它们快速流向另一个电极
该团队认为铜是理想的合金元素，因为它既能与银结合，又能与硅结合
“它就像一座桥梁，稳定了银硅界面，”金说
为了用他们的新合金制造忆阻器，该小组首先用硅制造了一个负电极，然后通过沉积少量的铜，接着沉积一层银来制造正电极
他们将两个电极夹在非晶硅介质周围
通过这种方式，他们用数万个忆阻器制作了一个毫米见方的硅片
作为芯片的第一次测试，他们重现了美国队长盾的灰度图像
他们将图像中的每个像素等同于芯片中相应的忆阻器
然后，他们调整了每个忆阻器的电导，其强度与相应像素的颜色相关
与其他材料制成的芯片相比，该芯片产生了与盾牌相同的清晰图像，并且能够“记住”该图像并多次再现该图像
该团队还通过图像处理任务运行芯片，对忆阻器进行编程，以几种特定的方式改变图像，在麻省理工学院的基利安法院的例子中，包括锐化和模糊原始图像
同样，他们的设计比现有的忆阻器设计更可靠地产生了重新编程的图像
“我们使用人工突触进行真正的推理测试，”金说
“我们希望进一步发展这项技术，使其拥有更大规模的阵列来完成图像识别任务
总有一天，你可能能够携带人工大脑来完成这些任务，而不用连接到超级计算机、互联网或云
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
