多年来，研究人员一直在尝试构建人工突触，希望能够接近人脑无与伦比的计算性能。现在，一种新方法已成功设计出比生物同类产品小 1,000 倍、快 10,000 倍的产品。
尽管取得了巨大的成功 深入学习 在过去的十年里，这种受大脑启发的方法 AI 面临的挑战是它运行在与真实大脑几乎没有相似之处的硬件上。这就是为什么仅重三磅的人脑可以使用与灯泡相同的电量在几秒钟内完成新任务，而训练最大的神经网络则需要数周、兆瓦时的电力和机架的一个重要原因的专用处理器。
这促使人们对重新设计人工智能运行的底层硬件的兴趣日益浓厚。这个想法是，通过构建其组件更像自然神经元和突触的计算机芯片，我们也许能够接近人脑的极限空间和能源效率。希望这些所谓的“神经形态”处理器比今天的处理器更适合运行人工智能 电脑芯片.
现在，麻省理工学院的研究人员表明，一种模仿大脑对离子穿梭的依赖的不寻常的人工突触设计实际上可以显着优于生物突触。关键的突破是找到一种能够耐受极端电场的材料，从而极大地提高了离子的移动速度。
“速度确实令人惊讶，”领导这项研究的 Murat Onen 说， 在一份新闻稿中说：。 “通常情况下，我们不会在设备上应用如此极端的场，以免它们化为灰烬。但相反，质子（相当于氢离子）最终以极高的速度穿过设备堆栈，特别是比我们之前快了一百万倍。”
虽然有 a 神经形态工程的方法多种多样，其中最有前途的一种是模拟计算。其目的是设计能够利用其内部物理特性来处理信息的组件，这比传统芯片等执行复杂的逻辑操作更加高效和直接。
到目前为止，很多研究都集中在设计“忆阻器”——根据先前流过的电荷量来控制电流的电子元件ed 通过该设备。这模仿了生物神经元之间的连接强度根据其通信频率而增加或减少的方式，这意味着这些设备原则上可用于创建与生物神经网络具有相似属性的网络。
也许并不奇怪，这些设备通常是使用内存技术构建的。但在新的 进纸 科学, 麻省理工学院的研究人员认为，针对长期信息存储而优化的组件实际上不适合执行持续调整人工神经网络中连接强度所需的常规状态转换。这是因为确保长保留时间的物理特性通常无法与允许高速切换的物理特性互补。
这就是为什么研究人员设计了一种组件，其电导率通过在磷硅酸盐玻璃 (PSG) 制成的通道中插入或移除质子来调节。在某种程度上，这模仿了生物突触的行为，生物突触使用离子在两个神经元之间的间隙传输信号。
然而，相似之处就在于此IES 结尾。该器件具有两个端子，本质上是突触的输入和输出。第三个端子用于施加电场，刺激质子从储存库移动到 PSG 通道中，反之亦然，具体取决于电场的方向。通道中更多的质子会增加其阻力。
研究人员 来了 就这个 2020年总体设计，但他们早期的设备使用的材料与芯片设计流程不兼容。但更重要的是，改用 PSG 极大地提高了设备的切换速度。这是因为其结构中的纳米级孔隙使质子能够非常快速地穿过材料，而且还因为它可以承受非常强的电场脉冲而不会降解。
更强大的电场可以大幅提升质子的速度，这是该设备超越生物突触的能力的关键。在大脑中，电场必须保持相对较弱，因为任何超过 1.23 伏 (V) 的电压都会导致水产生s 大部分细胞分裂成氢气和氧气。这很大程度上是神经过程以毫秒为单位发生的原因。
相比之下，麻省理工学院团队的设备能够在高达 10 伏的电压下以短至 5 纳秒的脉冲运行。这使得人工突触的运行速度比生物突触快 10,000 倍s。最重要的是，这些设备的直径只有纳米，比生物突触小 1,000 倍。
业内专家 告诉 “新科学家” 该设备的三端设置（与大多数神经元模型中的两个端部设置相反）可能会使运行某些类型的神经网络变得困难。事实上，必须使用氢气引入质子，这在扩大技术规模时也带来了挑战。
从单个人工突触到能够进行严格信息处理的大型网络还有很长的路要走。但组件的超凡速度和微小尺寸表明，在寻找能够匹配甚至超过人脑能力的新硬件方面，这是一个有前途的方向。
图片来源： Ella Maru 工作室/Murat Onen
