導讀

據美國麻省理工學院官網近日報道，該校研究人員設計出一款“芯片上的大腦”。它比一片五彩紙屑還小，由數以萬計的人工大腦突觸製成。

背景

大腦是人體最重要的器官之一，它支撐着人的視覺、聽覺、平衡、味覺、嗅覺、記憶、情感、學習等。大腦的構造十分複雜，由大約1千億個神經元（Neuron）組成，並由約100萬億個突觸（Synapse）連接。這些神經元與突觸一起構成了一個極其龐大的生物神經網絡。

生物神經網絡中的神經元與突觸（圖片來源：Aleksandr Kurenkov 與 Shunsuke Fukami）

因此，大腦具有極其強大的計算與學習能力，其邏輯功能與記憶功能密切關聯，能以極低的功耗並行地處理大量數據。即便是如今最強大的超級計算機，在執行模式識別、風險管理等類似複雜任務時，也無法與人腦相抗衡。

（圖片來源：Olivia Wang, Peng Cheng Laboratory）

時下，一種由人腦啓發的新型計算機，也稱爲“類腦計算機”或者“神經形態計算機”，成爲了一個新興的研究領域，吸引了物理、化學、材料、數學、電子與計算機科學等一系列領域的科學家們的廣泛興趣。

基於光線的腦啓發芯片示意圖。（圖片來源：Johannes Feldmann）

神經形態計算是一種新型計算架構，旨在模仿大腦處理、加工信息的過程，將存儲元件與計算元件整合到同一芯片中。它突破了傳統的馮·諾依曼體系結構帶來的瓶頸：數據需要在CPU和內存之間來回移動，而CPU運算速度較快，內存訪問速度較慢，造成了所謂的“內存牆”問題。

（圖片來源：日本東北大學）

神經形態計算，模仿了神經系統，採用了全新的架構。在這種架構中，記憶和信號處理的功能共同處於“記憶元件（憶阻器、憶容器、憶感器）”中。記憶元件組成類似突觸的硬件系統，模仿自然信息處理、學習和記憶。

通過憶阻器陣列模仿神經元和突觸的工作方式（圖片來源：功能材料自旋電子學研究小組，格羅寧根大學）

創新

近日，美國麻省理工學院（MIT）的研究人員設計出一款“芯片上的大腦”，它比一片五彩紙屑還小，由數以萬計的人工大腦突觸製成。這種突觸稱爲“憶阻器”，是一種硅基元件，可以模仿人腦中傳遞信息的突觸。

新型神經形態“芯片上的大腦”的近攝圖，它包含數以萬計的憶阻器或者存儲晶體管。（圖片來源：Peng Lin）

研究人員借鑑了冶金學的原理，用銀和銅合金以及硅製成每個憶阻器。當他們用這款芯片來運行幾個視覺任務時，芯片可以“記住”存儲的圖像，並重復多次複製它們，這個版本比由非合金元素製造的現有憶阻器更清晰、更乾淨。

他們的研究成果於6月8日發表在《自然·納米技術（Nature Nanotechnology）》雜誌上，展示的這款新型憶阻器設計非常有望應用於神經形態器件。這些電子器件基於一種新型電路，這種電路處理信息的方式模仿了大腦架構。這種腦啓發的電路可以構造到小型便攜式器件中，並能處理只有當今超級計算機才能處理的複雜計算任務。

MIT 機械工程系副教授 Jeehwan Kim 表示：“迄今爲止，人工突觸網絡以軟件的形式存在。我們正在嘗試爲便攜式人工智能系統打造真正的神經網絡硬件。讓我們想象一下，將神經形態器件連接至你汽車上的攝像頭，讓它能夠識別光線和物體，並立即作出決策，而無需連接到互聯網。我們希望採用高能效的憶阻器在現場實時地執行這些任務。”

技術

遊蕩離子

憶阻器，或者說存儲晶體管，是神經形態計算中不可或缺的元素。在神經形態器件中，憶阻器將充當電路中的晶體管，儘管其工作起來更像大腦突觸（兩個神經元之間的連接）。突觸以離子形式從一個神經元接收信號，並向下一個神經元發送相應的信號。

左圖展示了生物大腦中的一個突觸，也是右圖中人工模仿物的靈感來源。右圖是用鐵電隧道結實現的憶阻器，即夾在氮化鈦電極（藍色線）和硅襯底（海藍色）之間的氧化鉿薄膜（粉紅色），硅襯底的另一個角色就是第二個電極。通過改變氧化鉿的極化，電脈衝使憶阻器在高低電阻之間切換，從而改變其導電性。（圖片來源：Elena Khavina/MIPT新聞辦公室）

常規電路中的晶體管通過在兩個值（0和1）之間切換來傳輸信息，並且僅當其接收到電流形式的信號達到特定強度時才這樣做。相比之下，憶阻器將沿着梯度工作，很像大腦中的突觸。它產生的信號將根據其接收到的信號強度而變化。這將使單個憶阻器具有多個值，因此執行運算的範圍比二進制晶體管大得多。類似於大腦突觸，憶阻器還能“記住”與給定電流強度相關的值，並在下次接收相似電流時產生完全相同的信號。這可以確保複雜方程式的答案或者對某個對象的視覺分類是可靠的，這一技能通常涉及多個晶體管和電容器。

最終，科學家們設想，憶阻器將比傳統晶體管需要更少的芯片空間，從而使功能強大的便攜式計算裝置不依賴於超級計算機，甚至無需連接到互聯網。

但是，現有的憶阻器設計在性能上受限。單個憶阻器由正電極和負電極製成，被“開關介質”或者電極之間的空間分開。向一個電極施加電壓時，來自那個電極的離子流過介質，形成通向另一個電極的“導電通道”。接收到的離子組成了電信號，而憶阻器將這些電信號沿着電路傳輸。離子通道（以及憶阻器最終產生的信號）的大小應與激勵電壓的強度成比例。

Kim 表示，在電壓刺激較大的導電通道，或者離子從一個電極到另一個電極的大量流動的情況下，現有的憶阻器工作得很好。但是，當憶阻器需要通過更細的導電通道產生更微弱的信號時，這些設計的可靠性就會降低。

導電通道越細，從一個電極到另一個電極的離子流越輕，單個離子待在一起的難度就越大。相反，它們傾向於脫離團隊，在媒介中分散。結果，當在一定的低電流範圍內受到激勵時，接收電極難以可靠地捕獲相同數量的離子，從而傳輸相同的信號。

借鑑冶金學

Kim 及其同事通過借鑑冶金學找到了突破這一侷限的方法，冶金學是將金屬熔鍊成合金並研究其綜合性能的科學。

Kim 表示：“傳統意義上，冶金學家試圖將不同的原子添加到塊狀基質中以增強材料，而我們認爲，爲什麼不稍微調整憶阻器中的原子相互作用，並添加一些合金元素來控制離子在我們介質中的運動。”

工程師通常用銀作爲憶阻器的正極材料。Kim 的團隊仔細研究文獻找到了一種元素，將它與銀結合，從而將銀離子有效地保持在一起，同時允許它們快速地流到另一個電極。

研究團隊認爲銅是理想的合金元素，因爲它既能與銀結合，也能與硅結合。

Kim 說：“它起到了橋樑的作用，並穩定了銀-硅界面。”

爲了使用新合金製造憶阻器，該團隊首先用硅製成了負極，然後沉積少量的銅，再沉積一層銀，製成正極。他們將兩個電極像三明治一樣夾在非晶硅介質周圍。通過這種方式，他們用數以萬計的憶阻器製作成的圖案裝飾一平方毫米的硅芯片。

作爲對這款芯片的首次測試，他們重新創建了美國隊長盾牌的灰度圖像。他們將圖像中的每個像素對應於芯片中相應的憶阻器。然後，他們調製每個憶阻器的電導，其強度與對應像素中的顏色相關。

這款新型芯片（上左）有銀-銅合金製成，以數以萬計的人工突觸或稱“憶阻器”圖案進行修飾。當每個憶阻器受到對應於某一像素的特定電壓激勵，並逐漸變爲灰度圖像（在這個案例中是美國隊長的盾牌）時，這款芯片就重新創建了同樣的清晰圖像，比通過其他材料的憶阻器製成的芯片更加可靠。（圖片來源於研究人員）

與其他材料製成的芯片相比，該芯片可產生相同的盾牌清晰圖像，並能“記住”該圖像並多次複製。

該團隊也讓芯片執行了圖像處理任務，通過幾種特殊的方法對憶阻器編程以改變圖像（在這個案例中是 MIT 的基裏安方庭"Killian Court"），包括銳化和模糊原始圖像。又一次，他們的設計比現有的憶阻器設計更可靠地生成重新編程的圖像。

MIT 製造的這款新型“芯片上的大腦”對 MIT 的基裏安方庭圖像進行了比現有的神經形態設計更可靠的再加工，包括銳化和模糊原始圖像。（圖片來源於研究人員）

Kim 表示：“我們正在使用人工突觸進行真實的推理測試。我們想要進一步開發這項技術，用更大的陣列來執行圖像識別任務。有一天，你也許可以攜帶人造大腦來執行這些任務，而無需連接到超級計算機、互聯網或雲。”

關鍵詞

憶阻器、神經形態計算、大腦、人工智能、突觸

參考資料【1】Hanwool Yeon, Peng Lin, Chanyeol Choi, Scott H. Tan, Yongmo Park, Doyoon Lee, Jaeyong Lee, Feng Xu, Bin Gao, Huaqiang Wu, He Qian, Yifan Nie, Seyoung Kim, Jeehwan Kim. Alloying conducting channels for reliable neuromorphic computing. Nature Nanotechnology, 2020; DOI: 10.1038/s41565-020-0694-5