工程师们把成千上万的人工大脑突触放在一个芯片上

麻省理工学院的工程师们设计了一种“大脑芯片”，比一块五彩纸屑还小，由成千上万个被称为忆阻器的人工大脑突触组成。忆阻器是一种硅基元件，模仿人类大脑中信息传递的突触。

研究人员借鉴了冶金原理，用银、铜和硅的合金制造了每个忆阻器。当他们让芯片完成几个视觉任务时，芯片能够“记住”存储的图像并多次复制它们，与现有的纯元素忆阻器设计相比，这些版本更清晰、更干净。

他们的研究结果发表在今天的《自然纳米技术》杂志上，展示了一种很有前途的新型神经形态器件忆阻器设计——基于一种新型电路的电子器件，这种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被植入小型便携式设备中，执行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，人工突触网络是以软件的形式存在的。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Jeehwan Kim表示。“想象一下，将一个神经形态装置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，而无需连接到互联网。我们希望使用节能的忆阻器来现场实时地完成这些任务。”

流浪的离子

忆阻器，或记忆晶体管，是神经形态计算的基本元素。在神经形态器件中，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——两个神经元的连接点。突触从一个神经元接收到离子形式的信号，然后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这两个值中的一个之间切换来传输信息，并且只有当它接收到的电流信号具有一定强度时才这样做。相比之下，记忆电阻器会沿梯度工作，就像大脑中的突触一样。它产生的信号会根据它接收到的信号的强度而变化。这将使单个忆阻器具有多个值，因此比二元晶体管执行范围更广的操作。

和大脑突触一样，忆电阻器也能够“记住”与给定电流强度相关的值，并在下一次接收到类似电流时产生完全相同的信号。这可以确保一个复杂方程的答案，或者物体的视觉分类是可靠的——这一壮举通常涉及多个晶体管和电容器。

最终，科学家们设想记忆电阻器将比传统晶体管需要更小的芯片面积，使功能强大的便携式计算设备不依赖超级计算机，甚至不连接互联网。

然而，现有的忆阻器设计在性能上是有限的。一个单忆阻器是由一个正电极和一个负电极组成，由一个“开关介质”或电极之间的空间隔开。当一个电极被施加电压时，离子从该电极流过介质，形成一个“传导通道”到另一个电极。接收到的离子构成了记忆电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)应与刺激电压的强度成正比。

Kim说，现有的记忆阻电阻器设计在电压刺激一个大的传导通道或者从一个电极到另一个电极的大量离子流动的情况下工作得很好。但是当忆阻器需要通过更薄的传导通道产生更微妙的信号时，这些设计就不那么可靠了。

传导通道越薄，从一个电极到另一个电极的离子流动越轻，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，在一定的小范围电流刺激下，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。

借用冶金

金和他的同事们通过借鉴冶金学的一项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。

金说:“传统上，冶金学家试图在大块基质中加入不同的原子来强化材料，我们想，为什么不调整忆阻器中的原子相互作用，加入一些合金元素来控制介质中离子的运动。”

工程师通常使用银作为忆阻器正极的材料。金的研究小组查阅了文献，寻找一种可以与银结合的元素，有效地将银离子结合在一起，同时使银离子快速流经另一个电极。

研究小组认为铜是理想的合金元素，因为它能与银和硅结合。

金说:“它起到了桥梁的作用，稳定了银硅界面。”

为了用他们的新合金制造忆阻器，研究小组首先用硅制造了一个负极，然后通过沉积少量铜制造了一个正极，接着是一层银。他们把两个电极夹在非晶硅介质周围。就这样，他们用成千上万的忆阻器制成了一毫米见方的硅芯片。

作为芯片的第一次测试，他们重现了美国队长盾的灰色图像。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，他们调整了每个记忆电阻的电导，这些电导的强度与相应像素的颜色有关。

与其他材料制成的芯片相比，该芯片能产生同样清晰的盾牌图像，并能“记住”图像并多次复制。

研究小组还对芯片进行了图像处理，对记忆电阻编程以改变图像，在这个MIT的Killian Court案例中，采用了几种特定的方式，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。

“我们使用人工突触来做真正的推理测试，”Kim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。有一天，你可能可以携带人工大脑来完成这些任务，而不需要连接到超级计算机、互联网或云。”

这项研究的部分资金来自麻省理工学院研究支持委员会基金、麻省理工学院- ibm沃森人工智能实验室、三星全球研究实验室和美国国家科学基金会。