李雨蒙

近日，美国西北大学、波士顿学院和麻省理工学院（MIT）的一组研究人员利用人脑的复杂工作原理，创造了一种创新的突触晶体管。

这种先进的设备不仅可以处理信息，还能够存储信息，反映出人类大脑的多功能本质。研究团队近期的实验表明，这种晶体管超越了简单的机器学习任务可以对数据进行分类，并能够执行相关的学习任务。

尽管此前的研究利用类似的策略开发出类大脑的计算设备，但这些晶体管在低温温度之外是无法工作的。相较而言，新设备能够在室温下保持稳定，同时还可以在高速下运行，并且消耗较少的能量，即使在断电的情况下也能保留存储的信息，使这项新设备在现实世界应用中成为更理想的选择。这项研究发表在近期的《自然》杂志上。

模仿大脑的效率

西北大学的Mark C. Hersam联合领导了此次的研究，他认为：“人类大脑的结构与数字计算机截然不同。在数字计算机中，数据在微处理器和内存之间来回移动，这将消耗大量能量，并在同时执行多个任务时造成瓶颈。另一方面，在大脑中，记忆与信息处理是共同协作并完全整合在一起的，导致最后的能量效率提高了好几个数量级。而我们的突触晶体管实现了一致的记忆和信息处理功能，更加真实地模仿了人类大脑。”

人工智能（AI）的最新进展促使研究人员開发出更加类似人脑的计算机。传统的数字计算系统区分出独立的处理和存储单元，导致数据密集型的任务会消耗大量能量。随着智能设备不断收集大量的数据，研究人员争相地发掘新方法，能够在不持续消耗更多电力的情况下，解决这一切。目前，内存电阻或“忆阻器”是最尖端的技术，可以共同执行处理与内存的功能。但存储器仍受到能源成本转换的影响。

Hersam说：“几十年来，电子学的范式一直是用晶体管构建一切，并使用相同的硅结构。通过简单地将越来越多的晶体管打包到集成电路中，已经取得了重大的进展。你不能否认这项战略的成功，但它以高功耗为代价，特别是在当前的大数据时代，数字计算有望压倒电网。我们必须重新思考计算硬件，特别是对于人工智能和机器学习任务。”

使用莫尔图案的创新设计

为了重新思考这个模式，Hersam研究团队探索出莫尔纹图案在物理学上的新进展，这是一种几何设计，当两个图案相互叠加时就会出现。当二维材料堆叠时，那些在单层材料中不存在的新特性就会出现。当这些材料层被扭曲形成莫尔纹图案时，电子属性可能就会出现前所未有的可调性。

对于新设备，研究人员结合了两种不同类型的原子薄材料：双层石墨烯和六边形氮化硼。当堆叠有目的地扭曲时，材料会形成摩尔纹图案。通过相对于一层旋转另一层，研究人员可以在每个石墨烯层中实现不同的电子特性，即使它是由原子尺度分隔的。通过正确的扭曲选择，研究人员利用莫尔纹物理学在室温下实现了神经形态功能。

“扭曲作为新的设计参数，排列的数量是巨大的。”Hersam表示。“石墨烯和六边形氮化硼在结构上非常相似，但却有足够的差异，你会得到非常强烈的摩尔纹效果。”

高级能力与测试

为了测试晶体管，Hersam研究团队训练它去识别相似但不完全一致的图样。早些时候，研究人员推出了一种新的纳米电子设备，能够以一种节能的方式分析和分类数据，但新突触晶体管的出现使机器学习与人工智能的技术更上一层楼。

Hersam说：“如果人工智能意在模仿人类思维，那么最低级别的任务之一就是分类数据，将其分类到垃圾箱中。而我们的目标是将人工智能技术推向更高层次的思维方向。现实世界的条件往往比当前的人工智能算法能处理的更加复杂，因此我们在更复杂的条件下测试了我们的新设备，以验证其具备高级别的能力。”

首先，研究人员展示了这项设备的一个模式：000（连续三个零）。然后，他们要求人工智能识别类似的模式，例如111或101。“如果我们训练它检测000，然后给它111和101，它知道111与000比101更相似，”Hersam解释说。“000和111并不完全相同，但都是连续的三位数。认识到相似性是一种更高层次的认知形式，被称为联想学习。”

Hersam认为：“当前的人工智能很容易造成混淆，这可能会在某些情况下造成重大问题。试想一下，如果你使用的是自动驾驶汽车，天气状况很糟糕。车辆可能无法像人类司机那样解释更复杂的传感器数据。但即使我们给晶体管输入不完美，它仍然可以给出正确的响应。”

编译自《Scitech》

（责任编辑  林晨）