作者维克多·罗萨，芝加哥大学 研究中模拟的缺陷材料的球状和棒状(中央)表示，用于神经形态应用
信用:伊曼纽尔·吉吉插图 即使在计算能力方面有了几十年前所未有的发展，人脑仍然比现代计算技术有许多优势
与标准计算机芯片不同，我们的大脑对于许多认知任务极其高效，并且不会将记忆和计算分开
在过去的十年里，受大脑神经网络的启发，基于高能效的信息处理硬件，出现了神经形态计算的新范式
为了创造能够模仿我们大脑神经元和突触的装置，研究人员需要克服一个基本的分子工程挑战:如何设计能够在由输入刺激触发的不同电阻状态之间呈现可控和节能转换的装置
在最近的一项研究中，芝加哥大学普利兹克分子工程学院(PME)的科学家能够预测这种装置的设计规则
该研究发表于11月10日的《npj计算材料》杂志上，预测了几种过渡金属氧化物的工程和触发电子性质变化的新方法，它们可用于形成神经形态计算架构的基础
“我们使用量子力学计算来揭示这种转变的机制，突出了它在原子尺度上是如何发生的，”普利兹克分子工程学院教授、化学教授、该研究的合著者朱利亚·加利说
“我们进一步设计了一个模型来预测如何触发这种转变，这与现有的测量结果非常吻合
" 缺陷对电子特性的影响 研究人员研究了氧化物材料，这些材料表现出电子特性的变化，从导电的金属到不允许电流通过的绝缘体，都有不同程度的缺陷
缺陷可能是缺失的原子或某些杂质，它们替代了完美晶体中存在的原子
为了理解缺陷如何改变材料从金属到绝缘体的状态，作者使用基于量子力学的方法计算了不同缺陷浓度下的电子结构
“了解这些缺陷电荷的复杂的相互依赖性，原子在材料中重新排列的方式和自旋特性变化的方式，对于控制并最终触发所期望的跃迁是至关重要的，”UChicago博士后研究员、张说，他是这篇论文的第一作者
“与传统半导体相比，我们研究的氧化物材料在两种完全不同的状态之间转换所需的能量要少得多:从金属到绝缘体，”张继续说道
这一特性使这些材料有望成为大规模神经形态结构的人工神经元或人工突触的候选材料
" 这项由张和加利发表的研究是在量子材料用于高能效神经形态计算(QMEENC)研究中心内进行的，该中心由能源部资助，由李教授领导
加州大学圣地亚哥分校的伊万·舒勒
“理解量子材料将为许多科学和技术问题提供关键的解决方案，包括降低计算设备的能耗，”舒勒说
“鉴于量子材料的复杂性，爱迪生的试错法不再可行，需要定量理论
" 这种高层次的理论在计算上要求很高，并且一直是一长串工作的目标
“第一性原理计算在推动神经形态计算的分子工程中发挥着关键作用
加利说:“看到我们多年来开发的方法取得成果是令人兴奋的。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
