[[330335]]

圖片來源@全景視覺

 “微型化”是科技便利生活的重要一環。試想，有一天，我們可以把龐大的超級計算機不斷縮小，直到可以把它們裝進口袋；我們可以隨身攜帶微型人工智能大腦，它們甚至可以在沒有超級計算機、互聯網或云計算的情況下運行，在它們微不足道的身體里運行著龐大的算法。

而這已不單單是觸不可及的幻想。

近日，麻省理工學院（MIT）的工程師們設計了一種“大腦芯片”，讓我們向那種未來又邁進了一步。研究人員所用的芯片物理體積比一片紙屑還要小，但卻被工程師們放置了成千上萬個“人工大腦突觸”，這種被稱為“憶阻器”的硅基元件，能夠模仿人類大腦中信息傳遞的突觸結構。

這一最新研究成果發表在近日的《自然納米技術》雜志上。

研究展示了一種很有前途的新型神經形態器件憶阻器設計——基于一種新型電路的電子器件，這種電路以模仿大腦神經結構的方式處理信息。這種受大腦啟發的電路可以被植入小型便攜式設備中，執行只有今天的超級計算機才能處理的復雜計算任務。

與其他現有版本的人工大腦突觸相比，這種突觸的性能有所改善，而且可以在一個芯片上進行組合。研究人員表示，這一結果有望幫助開發出能夠在本地處理復雜人工智能計算的設備，同時保持體積小、節能，而且不需要連接到數據中心。

大腦芯片：小型便攜，堪比超算

在這項最新研究中，MIT 工程師們打破用銀作為模擬大腦突觸材料的傳統，改為采用銅銀合金構造憶阻器。改造后的新型憶阻器擁有更強的性能，能夠記憶并重現美國隊長盾牌的灰色圖像，并通過銳化和模糊可靠地改變麻省理工學院基利安法院的圖像。

研究團隊表示，他們發現用銀、銅和硅的合金制造憶阻器，能夠制造出一種毫米見方的硅芯片，上面有成千上萬個憶阻器。而且研究發現，這種芯片能夠有效地“記住”并重復回憶非常詳細的圖像，與之前出現的其他類型的模擬大腦回路相比，“記住”的圖像更加清晰和詳細。

雖然這些測試看起來并沒有什么技術含量，但該團隊相信，他們這樣的芯片設計是推動小型便攜式人工智能設備發展重要一步，并有望執行現在只有超級計算機才能做到的更為復雜的計算任務。

團隊的最終目標是利用微型技術重建大型、復雜的人工神經網絡。麻省理工學院機械工程副教授 Jeehwan Kim 表示：“到目前為止，人工突觸網絡是以軟件的形式存在的。我們正試圖為便攜式人工智能系統構建真正的神經網絡硬件”。

這些神經網絡目前基于需要大量 GPU 計算能力才能運行的軟件，但如果將他們轉化成專用硬件，這些微型芯片就可以安裝在小型設備上，包括手機或相機，帶來令人矚目的技術革新。

“想象一下，將一個神經形態裝置連接到你車上的攝像頭上，讓它識別燈光和物體并立即做出決定，而不需要連接到互聯網。”

當然，麻省理工學院并不是研發神經形態芯片的唯一機構。蘋果、谷歌、微軟和英特爾公司都有各自版本的機器學習硬件。英特爾的 Lohi 芯片用 1024 個人造神經元模擬大腦。

人工大腦突觸

憶阻器，也稱記憶晶體管，是神經形態計算的基本元素。在神經形態器件中，憶阻器的工作方式更類似于大腦突觸——兩個神經元的連接點。大腦突觸能夠從一個神經元接收到離子形式的信號，然后向下一個神經元發送相應的信號。

傳統電路中的晶體管，只能在兩種狀態(0 或 1)之間切換來傳輸信息，并且只有當它接收到的電流信號具有一定強度時才這樣做，這是現代計算機的基礎。

與之不同的是，記憶元件可以提供一個梯度值，這就更像人的大腦的原始雛形。它產生的信號會根據它接收到的信號的強度而變化。這也就意味著單個憶阻器具有多個值，因此比二元晶體管執行范圍更廣的操作。

并且，和大腦突觸一樣，憶阻器也能夠“記住”與給定電流強度相關的值，并在下一次接收到類似電流時產生完全相同的信號。這可以保證一個在復雜方程計算中得出準確無誤的答案，或者擁有可靠的物體的視覺分類——通常，這需要多個晶體管和電容器才能實現。

然而，現有的憶阻器設計在性能上是有限的。一個單憶阻器由一個正電極和一個負電極組成，正負電極再由一個“開關介質”或電極之間的空間隔開。當一個電極被施加電壓時，離子從該電極流過介質，形成一個“傳導通道”到另一個電極。接收到的離子構成了記憶電阻器通過電路傳輸的電信號。離子通道的大小(以及憶阻器最終產生的信號)應與刺激電壓的強度成正比。

傳導通道越薄，從一個電極到另一個電極的離子流動越輕，單個離子就越難保持在一起，而傾向于分離開來。因此，在一定的小范圍電流刺激下，接收電極很難可靠地捕獲相同數量的離子，從而傳輸相同的信號。

Kim 也表示，現有的憶阻器設計在電壓刺激一個大的傳導通道或者從一個電極到另一個電極的大量離子流動的情況下可以順利完成工作。但是，當憶阻器需要通過更薄的傳導通道產生更微妙的信號時，這些憶阻器就有點力不從心了。

利用“冶金”鑄造新材料

工程師通常使用銀作為憶阻器正極的材料。Kim 說:“傳統上，冶金學家試圖在大塊基質中加入不同的原子來強化材料，我們想，為什么不調整憶阻器中的原子相互作用，加入一些合金元素來控制介質中離子的運動。”

于是，研究人員在這里借用了冶金學的一個概念：當冶金學家想改變一種金屬的性能時，他們把它與另一種具有所需性能的金屬結合，制造出一種合金。

研究小組查閱文獻，尋找一種可以與憶阻器正電極的銀結合的材料，從而使其能夠更穩定可靠地沿著非常薄的傳導通道傳遞離子，使銀離子快速流經另一個電極。

研究小組將目光鎖定在銅上，因為銅能與銀和硅很好地結合。Kim 說:“它起到了橋梁的作用，穩定了銀硅界面。”

為了用他們的新合金制造憶阻器，研究小組首先用硅制造了一個負極，然后通過沉積少量銅制造了一個正極，接著是一層銀，再把兩個電極夾在非晶硅介質的周圍。就這樣，他們用成千上萬的憶阻器制成了一毫米見方的硅芯片。

在芯片的第一次測試中，他們重現了美國隊長盾的灰色圖像。他們將圖像中的每個像素等同于芯片中相應的憶阻器。然后，他們調整了每個記憶電阻的電導，這些電導的強度與相應像素的顏色有關。實驗發現，與其他材料制成的芯片相比，該芯片能產生同樣清晰的盾牌圖像，并能“記住”圖像，多次復制。

研究小組還對芯片進行了圖像處理，對記憶電阻進行編程來改變圖像。在給出的案例中，研究人員采用了幾種特定的方式，包括銳化和模糊原始圖像。同樣，他們的設計比現有的憶阻器設計更可靠地產生了重新編程的圖像。

“我們正在使用人工突觸來做真正的推理測試”，Kim 表示：“我們希望進一步發展這項技術，使其擁有更大規模的陣列來完成圖像識別任務。有一天，你就可以攜帶人工大腦來完成這些任務，而不需要連接到超級計算機、互聯網或云端。”