德克萨斯A&M大学的范达纳·苏雷什 人工神经元的电子显微照片
二氧化铌层(黄色)赋予该器件类似神经元的行为
学分:博士
稀有
斯坦利·威廉姆斯 在九月出版的《自然》杂志上，来自德克萨斯A&M大学、惠普实验室和斯坦福大学的科学家描述了一种新的纳米设备，其作用几乎等同于脑细胞
此外，他们已经表明，这些合成脑细胞可以结合在一起形成复杂的网络，然后以类似大脑的方式解决问题
“这是我们第一次能够用单个纳米器件模拟神经元的研究，否则将需要数百个晶体管，”博士说
稀有
斯坦利·威廉姆斯，这项研究的资深作者，电子与计算机工程系教授
“我们还能够成功地使用人工神经元网络来解决现实世界问题的玩具版本，即使对于最复杂的数字技术来说，这也是一个计算紧张的问题
" 特别是，研究人员已经证明了他们的大脑启发系统可以识别病毒中可能的突变，这与确保疫苗和药物对表现出遗传多样性的菌株的效力高度相关
在过去的几十年里，数字技术变得更小更快，主要是因为晶体管技术的进步
然而，这些关键的电路元件正迅速接近其制造能力的极限，这引发了全球寻找一种新型技术的努力，这种技术即使不能取代晶体管，也可以作为晶体管的补充
除了这个“缩小”问题，基于晶体管的数字技术还有其他众所周知的挑战
例如，当面对大量数据时，他们努力寻找最优解
“让我们举一个熟悉的例子，找到从办公室到家的最短路线
如果你必须停下来，这是一个相当容易解决的问题
但是如果出于某种原因，你需要在中间停15站，你有430亿条路线可以选择
苏哈斯·库马尔是这项研究的主要作者，也是惠普实验室的研究员
“这现在是一个优化问题，目前的计算机在解决这个问题上相当无能
" 库马尔补充说，对数字机器来说，另一项艰巨的任务是模式识别，例如无论从哪个角度看，都可以识别一张脸，或者识别一个隐藏在嘈杂声音中的熟悉声音
但是能让数字机器进入计算混乱的任务是大脑擅长的
事实上，大脑不仅能快速识别和优化问题，而且比数字系统消耗的能量要少得多
因此，通过模仿大脑如何解决这些类型的任务，威廉姆斯说，大脑启发或神经形态系统可能会克服当前数字技术面临的一些计算障碍
为了构建大脑或神经元的基本构件，研究人员组装了一个由不同无机材料层组成的合成纳米设备，每层都有独特的功能
然而，他们说真正的奇迹发生在由复合二氧化铌制成的薄层中
人工神经元网络连接在一起可以解决玩具版病毒的准物种重建问题
信用:德州农工大学；m大学工程学院 当一个小电压施加到这个区域时，它的温度开始升高
但是当温度达到临界值时，二氧化铌的个性会发生快速变化，从绝缘体变成导体
但是当它开始传导电流时，它的温度下降，二氧化铌变回绝缘体
这些来回转换使合成装置能够产生一个电流脉冲，该脉冲非常类似于生物神经元产生的电脉冲或动作电位的轮廓
此外，通过改变合成神经元两端的电压，研究人员再现了在大脑中观察到的丰富的神经元行为，例如持续的、突发的和混乱的电尖峰放电
“捕捉神经元的动态行为是大脑启发的计算机的一个关键目标，”库马尔说
“总的来说，我们能够重建大约15种类型的神经元放电轮廓，所有这些都使用单一的电子元件，与基于晶体管的电路相比，能量要低得多
" 为了评估他们的合成神经元是否能解决现实世界的问题，研究人员首先将24个这样的纳米设备连接在一个网络中，该网络受到大脑皮层和丘脑之间连接的启发，丘脑是一种众所周知的参与模式识别的神经通路
接下来，他们用这个系统解决了一个玩具版的病毒准物种重建问题，即在没有参考基因组的情况下识别病毒的突变
通过数据输入，研究人员将网络引入到短基因片段中
然后，通过对网络中人工神经元之间的连接强度进行编程，他们建立了连接这些基因片段的基本规则
该网络的拼图任务是根据这些短的基因片段列出病毒基因组中的突变
研究人员发现，在几微秒内，他们的人工神经元网络稳定在一种状态，这种状态表明了突变菌株的基因组
威廉姆斯和库马尔指出，这个结果证明了他们的神经形态系统能够以节能的方式快速完成任务的原理
研究人员说，他们研究的下一步将是通过整合其他放电模式和人类大脑的一些标志性特性，如学习和记忆，扩大他们的类大脑网络可以解决的问题的范围
他们还计划解决在商业规模上实施其技术的硬件挑战
“计算国债或解决一些大规模模拟问题不是人脑擅长的任务，这就是为什么我们有数字计算机
另外，我们可以利用我们对神经元连接的了解来解决大脑特别擅长的问题，”威廉姆斯说
“我们已经证明，根据问题的类型，除了使用带晶体管的数字计算机的传统方法之外，还有不同的更有效的计算方法
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
