6月9日消息，麻省理工学院（MIT）的工程师设计了一种“片上大脑”，它比一块纸屑还要小，它是由成千上万的人工脑突触（称为忆阻器）制成的，这些突触是硅的成分，模仿了大脑中的信息传递突触。

一种新的神经形态“片上大脑”的特写视图，其中包括成千上万个忆阻器或存储晶体管。

　　研究人员借鉴了冶金学原理，用银、铜和硅的合金制造了每个忆阻器。当他们通过几个视觉任务运行芯片时，芯片能够“记住”存储的图像，并多次复制这些图像，与使用非合金元素制成的现有忆阻器设计相比，这些图像的版本更清晰、更干净。

　　他们的研究结果今天发表在《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型忆阻器设计，该器件基于一种新型电路，该电路以模仿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内置于小型便携式设备中，并且可以执行只有当今的超级计算机才能处理的复杂计算任务。

　　麻省理工学院机械工程副教授Jeehwan Kim说：“到目前为止，人工突触网络作为软件存在。我们正在努力为便携式人工智能系统构建真正的神经网络硬件。想象一下，将神经形态设备连接到汽车上的摄像头，让它能够识别灯光和物体并立即做出决定，而无需连接到互联网。我们希望使用节能型忆阻器在现场实时地完成这些任务。”

　　游动的离子

　　忆阻器或存储晶体管是神经形态计算中必不可少的元素。在神经形态设备中，忆阻器将充当电路中的晶体管，尽管其工作原理更类似于大脑突触——即两个神经元之间的连接。突触以离子形式从一个神经元接收信号，并向下一神经元发送相应的信号。

　　传统电路中的晶体管通过在仅有的两个值（0和1）中的一个值之间切换来传输信息，并且仅当其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，忆阻器将沿着梯度工作，就像大脑中的突触一样，它产生的信号将根据接收到的信号强度而变化。这将使单个忆阻器具有多个值，因此执行的工作范围比二进制晶体管大得多。

　　像大脑突触一样，忆阻器还能够“记住”与给定电流强度相关的值，并在下次接收相似电流时产生完全相同的信号。这样可以确保对复杂方程式或对象的视觉分类的答案是可靠的，这一壮举通常涉及多个晶体管和电容器。

　　最终，科学家们设想，忆阻器所需的芯片空间将比传统晶体管少得多，从而使功能强大的便携式计算设备不再依赖超级计算机，甚至不依赖于互联网。

　　但是，现有的忆阻器设计在性能上受到限制。单个忆阻器由正极和负极制成，由“开关介质”或电极之间的空间分隔开。当向一个电极施加电压时，来自该电极的离子流过介质，形成通往另一电极的“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）应与激励电压的强度成正比。

　　研究人员说，现有的忆阻器设计在电压刺激较大的传导通道或离子从一个电极流向另一个电极的大量流动的情况下效果很好。但是，当忆阻器需要通过更细的传导通道产生更微妙的信号时，这些设计的可靠性就会降低。

　　导电通道越薄，离子从一个电极到另一电极的流动越轻，单个离子保持在一起的难度就越大。相反，他们倾向于从群体中流动，在媒体中解散。结果，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。

　　借鉴冶金学

　　金和他的同事们通过借鉴冶金学，将金属熔化成合金并研究其综合性能的技术，找到了解决这一局限的方法。

　　研究人员说：“传统上，冶金学家试图将不同的原子添加到块状基质中以增强材料，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我们介质中的运动。”

　　通常情况下，工程师通常使用银作为忆阻器正极的材料，而该团队仔细研究了文献，发现了一种可以与银结合的元素，可以有效地将银离子保持在一起，同时允许它们快速流向另一个电极。

　　研究小组将铜作为理想的合金元素，因为它既可以与银结合，也可以与硅结合。研究人员说：“它起到了桥梁的作用，并稳定了银硅界面。”

　　为了使用新合金制造忆阻器，该小组首先用硅制成了负极，然后先沉积少量的铜，再沉积一层银，制成正极。他们将两个电极夹在非晶硅介质周围。通过这种方式，他们用数以万计的忆阻器对一平方毫米的硅芯片进行了构图。

　　作为对该芯片的首次测试，他们重新创建了美国队长盾牌的灰度图像。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，他们调制每个忆阻器的电导，其强度与相应像素中的颜色相对。

　　与其他材料制成的芯片相比，该芯片可产生与屏蔽相同的清晰图像，并且能够“记住”该图像并多次复制。

　　该团队还通过图像处理任务来运行芯片，对忆阻器进行编程以改变图像，在本例中是MIT的Killian Court，以几种特定方式进行，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生成重新编程的图像。

　　研究人员说：“我们正在使用人工突触进行真实的推理测试，我们希望进一步开发这项技术，使其具有更大的阵列来执行图像识别任务。甚至有一天，你可能能够携带人造大脑来执行这些任务，而无需连接到超级计算机、互联网或云。

　　这项研究部分由麻省理工学院研究支持委员会的资金、麻省理工学院的IBM Watson AI实验室、三星全球研究实验室和美国国家科学基金会资助。

　　自新型冠状病毒肺炎疫情爆发以来，传感器专家网一直密切关注疫情进展，根据国家及地方政府的最新调控与安排，为更好的服务相关企业，在疫情期间，传感器专家网免费发布企业相关文章，免费成为传感器专家网认证作者，请点击认证，大家同心协力，抗击疫情，为早日打赢这场防控攻坚战贡献自己的一份力量。