麻省理工学院设计出基于新型忆阻器的类脑芯片

近日，麻省理工学院（MIT）的工程师设计了一款被称为“片上大脑”的类脑芯片。该芯片比一块五彩纸屑还要小，是由成千上万个被称为忆阻器的人工脑突触构成的，这些硅基人工脑突触模仿了人脑中的信息传递突触，因此，该类脑芯片可执行超算处理的复杂计算任务。

研究人员基于冶金学原理，用银、铜和硅的合金制备了芯片上的每一个忆阻器。当研究人员为了完成几个视觉任务而运行芯片时，芯片能够“记住”存储的图像并多次复制它们。该芯片与基于非合金元素制成的现有忆阻器的版本相比，该版本处理的图像更清晰、干净。

该项研究成果发表在国际顶级期刊《自然纳米技术》上，展示了一种新型忆阻器设计。神经形态芯片是基于一种新型电子电路的器件，它的电路以一种模仿人脑神经结构的方式来处理信息。本项研究成果在神经形态设备领域具有广阔的应用前景。这种受人脑启发所开发的电路可以内置于小型便携式设备中，并且可以执行只有当今的超级计算机才能处理的复杂计算任务。

麻省理工学院机械工程副教授Jeehwan Kim表示，截止目前，人工突触网络仅作为软件而存在，而我们正努力为便携式人工智能系统构建一种真正的神经网络硬件。想象一下，将神经形态设备连接到汽车上的摄像头时，让它能够识别灯光和物体，并立即做出智慧决策，而此过程无需连接到互联网。我们希望使用高效节能的忆阻器在现场实时完成这些任务。

游荡性离子

忆阻器或存储晶体管是神经形态计算中必不可少的核心器件之一。在神经形态设备中，忆阻器将充当电路中的晶体管，其工作原理类似于人脑突触，即两个神经元之间的连接部位，突触以离子形式从一个神经元接收信号，并向下一神经元发送相应的信号。

传统电路中的晶体管通过在两个值“0”和“1”之间切换来传输信息，并且仅当其接收到的电流信号具有特定强度时才完成该过程。相比之下，忆阻器将沿着梯度方向工作，就像大脑中的突触一样，它产生的信号将根据接收到的信号强度而变化。这将使单个忆阻器具有多个值（传统晶体管具有2个值），因此执行的工作范围比二进制晶体管广得多。

像脑突触一样，忆阻器还能够“记住”与给定电流强度相关的值，并在下次接收到相似强度电流时产生完全相同的信号。这样可以确保对复杂方程式或目标的视觉分类是可靠的，但这一发明通常涉及多个晶体管和电容器。

最终，科学家们设想，忆阻器所需的芯片空间将比传统晶体管的少得多，从而使功能强大的、便携式计算设备不再依赖超级计算机，甚至不依赖于网络。

然而，现有的忆阻器设计使其在性能方面受限。单个忆阻器由正电极和负电极构成，正负电极之间由“开关介质”或电极之间的空间距离分隔开。当向一个电极施加电压时，来自该电极的离子流过介质，形成通往另一电极的“传导通道”，

被接收到的离子组成了忆阻器通过电路传输的电信号。离子通道的大小（忆阻器最终产生的信号）应与激励电压的强度呈正比。

Kim表示，在施加电压激励较大的传导通道，或离子从一个电极流向另一个电极大量流动的情况下，现有的忆阻器设计使其效果很好。然而，当忆阻器需要通过更细的传导通道产生更微妙的信号时，这些现有设计的可靠性就会降低。

传导通道越薄，离子从一个电极到另一电极的流动越容易，但个别离子保持在一起的难度就越大。相反，离子倾向于在群体中游走，在介质中解散。因此，当受到一定范围的低电流激励时，接收电极很难可靠地捕获相同数量的离子，从而很难传输相同的信号。

冶金学

Kim和他同事们通过借鉴冶金学，及结合将金属熔化成合金并研究其综合性能的技术，找到了解决上述局限的方法。

Kim表示，传统上，冶金学家试图将不同的原子添加到块状基质中以增强材料强度，而我们认为，为什么不调整忆阻器中的原子相互作用，并添加一些合金元素来控制离子在介质中的运动特性。

工程师通常使用银作为忆阻器正电极的材料。Kim的团队仔细查阅了文献，发现了一种可以与银结合的元素，可以有效地将银离子保持在一起；同时，这些离子能够快速流到另一个电极。最终，研究小组将铜作为理想的合金元素，因为它既可以与银结合，也可以与硅结合。

Kim表示，铜起到了桥梁的作用，并稳定了银硅界面。为了使用新合金制造忆阻器，首先，该研究小组用硅制成了负电极；然后，先沉积少量的铜，再沉积一层银，制成正电极；最终，再用非晶硅介质将两个电极夹在中间。通过这种方式，他们用数以万计的忆阻器在一平方毫米的硅芯片上进行了设计构图。

为了对该芯片进行测试，研究人员重新创建了美国队长盾牌的灰度图像，将图像中的每个像素等同于芯片中相应的忆阻器；然后，研究人员调节每个忆阻器的电导，使其强度与相应像素中的颜色相对。与其他材料制成的芯片相比，该芯片可产生与美国队长盾牌相同的清晰图像，并且能够“记住”该图像并多次复制。

该团队还通过图像处理任务运行芯片，对忆阻器进行编程以改变图像，主要以几种特定方式进行，包括锐化和模糊原始图像。最终得出结论，与现有的忆阻器制成的芯片相比，该芯片更加可靠地生成重新编程的图像。

Kim表示，我们正在使用人工突触进行真实的推理测试。希望进一步开发这项技术，使其具有更大的阵列来执行图像识别任务；或许有一天，您可能能够携带人造大脑来执行这些任务，而无需连接到超级计算机、互联网或云