模式识别麻省理工学院“类脑芯片”最新突破：人造突触问世

人脑中有总计超过 100 万亿的突触介导大脑中的神经元信号，在加强一些信号的同时也削弱一些其它信号，使大脑能够以闪电般的速度识别模式（pattern），记住事实并执行其它学习任务。

最近，麻省理工（MIT）的工程师设计了一种人造突触，可以实现精确控制流过这种突触的电流强度，即类似离子在神经元之间的流动。

图 | 从左至右：MIT 研究员 Scott H. Tan，Jeehwan Kim，和 Shinhyun Choi。

该团队已经制造了一个由硅锗制成的人造突触小芯片。在模拟仿真过程中，研究人员发现该芯片及其突触可以识别手写样本，其识别准确率达到 95%。

研究发表在《Nature Materials》上，这一成果也被认为是迈向用于模式识别和其它学习任务的低功耗神经形态芯片的重要一步。

一直以来，神经形态计算领域的研究人员都希望能将人脑的能力“复制”到计算机芯片。这样的基于人脑的芯片与现在基于二进制、开／关信号进行计算的数字芯片非常不同，其元件将以模拟的方式进行工作，通过交换梯度信号或权重信号来激活，非常类似神经元依靠流过突触的离子种类和数量来激活。

通过这种方式，小型神经形态芯片可以像大脑一样有效地处理数以百万计的并行计算流，而目前，只有大型超级计算机才有可能实现这种并行计算。这种人工智能技术目前主要的障碍便是神经突触，这在硬件上实在难以实现。

大多数的神经形态芯片设计均试图模仿神经元之间的突触连接，该连接通过“切换媒介”或类突触空间隔离的两个导电层实现。当施加电压时，离子在开关介质中移动形成导电丝，类似突触的权重将会改变。

但是，现有设计却很难控制离子的流动。设计者之一 Kim 说，由于大多数由非晶材料制成的开关介质中离子通过的路径有无限种可能，现有的开关接口包含多条路径，因此难以预测离子究竟走哪一条路。

这一点就像机械街机游戏 Pachinko，通过一系列的引脚和杠杠将小钢珠向下引导或转移使小球离开机器。

图丨 Jeehwan Kim 教授

Kim 描述道：“一旦你用一些施加的电压来代表人造神经元（传输）的某些数据，那么你必须能实现擦除并以完全相同的方式再写。但在非晶态固体中，当你再次写入时，因为固体中的许多缺陷，离子会走向不同的方向。因此整个离子流随时在改变，并且不受控制。这就是现在面对的最大的挑战——人造突触的不均匀性。”

而 Kim 和他的同事们并没有使用非晶材料来制造人造突触，他们使用了单晶硅。单晶硅的原子顺序有序排列，内部并没有大量缺陷存在。因此，研究小组试图用单晶硅来制造精确的一维线缺陷或位错，使离子能够按照预计路线沿着位错或缺陷流动。

为了实现这一目标，研究人员从硅晶圆开始着手，先在硅晶圆上蚀刻上微观图案，然后再在硅上生长锗形成硅锗微观图案，硅锗材料也是常用于晶体管的材料。由于硅锗的晶格稍大于硅的晶格，Kim 发现，这两种晶格不匹配的材料能够形成漏斗状的位错，最终可以形成离子流单一流经路径。

因此，研究人员制造了一个由硅锗制成的人造突触组成的神经形态芯片，其中每个突触约 25 纳米。对每个突触施加电压时，所有突触都表现出几乎相同的电流／离子流，突触之间的差异约为 4%。与无定形材料制成的突触相比，其性能更为一致。

他们还多次重复测试了一个突触。在循环施加相同的 700V 电压后发现，每次突触都表现出相同的电流，循环之间的差异只有 1%。

Kim 说：“这是我们目前能达到重复性最高的装置，这个装置也是展示人工神经网络的关键。”

团队最后的测试是探索如何执行实际的学习任务，比如如何识别手写样本。研究人员认为，这是神经形态芯片的首次实际测试。该芯片由输入／隐藏／输出神经元组成，每个神经元经由基于细丝的人造突触连接到其他神经元。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-71929-1.html