科学家为神经形态计算设计人工突触

人脑被称为宇宙中最复杂的物体。洛斯阿拉莫斯国家实验室的科学家们试图复制这种仍然无与伦比的计算能力，他们制造了一种新的接口型忆阻设备，他们的结果表明，这种设备可用于为下一代神经形态计算构建人工突触。

忆阻器件或忆阻器代表了长期寻求的电路技术，与当前的电阻器技术不同，它具有编程和记忆功能——忆阻器可以记住它们在断电时所处的电气状态，这是一种类似人脑的能力，开辟了新的可能性用于计算和设备。

“数据处理是当今科学的重要组成部分，机器学习、人工智能和人工神经网络用于解决从气候科学到国家安全应用等各个领域的紧迫问题，”集成纳米技术中心实验室科学家陈爱萍说。

“但是传统的计算架构需要大量的能量，并且越来越难以扩展以应对越来越大的数据挑战。神经形态计算模仿了人类大脑无与伦比的数据存储和处理架构和能力，提供了一条途径继续扩展计算性能。”

传统计算受到所谓的冯诺依曼瓶颈的限制，其中计算和内存是分开的。由于在中央处理器和内存之间来回传输数据，在数字计算机上处​​理机器学习和图像识别等高级任务会消耗大量的能量和时间。数据中心能源消耗在过去几年迅速增长，据预测，到2030年，全球约8%的电力将用于数据中心。

此外，在传统的计算机架构中，硅基微芯片上的数十亿个晶体管充当计算机二进制代码的开关。这些晶体管小型化的物理限制帮助宣告了摩尔定律的终结，摩尔定律是一个预言处理能力大约每两年翻一番的格言。

内存计算：就像大脑一样

在连接发送和接收化学信息的1000亿个神经元的突触处共同存储和处理信息，人脑的“内存处理”节省了时间和精力。神经形态计算依赖于诸如忆阻器之类的新兴设备，它在控制和记住流过的电荷的两个终端之间切换，以复制突触的结构和功能。

在快速发展的神经形态计算领域，忆阻器设计包括灯丝系统，其中电荷通过设备传输。但是，由于容易过热，灯丝系统缺乏稳定性和可靠性。

Chen和他的同事正在研究一种称为界面型忆阻器的不同方法，并生产出一种可靠、高性能的器件，其结构简单，基于Au/Nb掺杂的SrTiO3界面——主要是金和其他半导体材料。

接口型忆阻器原则上可以缩小到纳米尺寸，即使是基于灯丝的忆阻器技术也无法实现。(相比之下，人的头发大约有100,000纳米厚。)特别是与基于晶体管的神经形态芯片相比，接口型忆阻设备需要更少的能量来为其处理提供燃料。

“与采用冯诺依曼架构的数字计算不同，受生物系统启发的神经形态计算就像大脑一样工作，”陈说。“这种结构的优势包括低能耗、高并行性和出色的容错性。毕竟人脑的运行功率仅为20瓦，但学习效率极高。这些优势使其非常适合学习、识别等高级计算任务和决策。”

擅长高级计算任务

该团队使用人工神经网络仿真来研究接口型忆阻器的计算性能，并根据美国国家标准与技术研究院维护的修改后的国家标准与技术数据库中的手写图像数据集对其进行测试。该设备展示了出色的均匀性、可编程性和可靠性，实现了94.72%的识别准确率。

这种性能使团队相信这些新的接口型忆阻设备可以成为下一代神经形态计算的基础硬件。

“我们所看到的能力表明，神经形态芯片，就像人脑一样，将擅长高级任务，包括学习和实时决策，”陈说。“我们可以看到神经拟态计算可以实现许多需要智能的应用，从自动驾驶汽车到无人机，再到安全摄像头。基本上，人们能够做的许多事情，这些类型的设备都能够做到。”

该团队计划继续开发这项技术，重点放在协同设计的需求上——硬件设计由计算机科学家提供的算法方法提供信息。