新型腦仿晶體管模仿人類智能

受人腦啓發，研究人員開發了一種新型的突觸晶體管，它具備高級思維能力。

這種設備是由西北大學、波士頓學院和麻省理工學院（MIT）的研究人員設計的，它能像人腦一樣同時處理和存儲信息。在最新的實驗中，研究人員證明，這種晶體管不僅能完成簡單的機器學習任務對數據進行分類，還能執行關聯學習。

儘管以前的研究也利用類似的策略開發出了仿人腦的計算設備，但那些晶體管無法在低溫以外的環境中工作。相比之下，這種新設備在常溫下也能穩定工作。它運行速度快，能耗極低，即使斷電也能保持存儲的信息，非常適合實際應用。

該研究將於12月20日（週三）在《自然》雜誌上發表。

“大腦的結構與數字計算機根本不同，”西北大學的馬克·C·赫薩姆說，他是該研究的共同領導者。“在數字計算機中，數據在微處理器和內存之間來回移動，這消耗了大量能源，並且在嘗試同時執行多個任務時會造成瓶頸。另一方面，在大腦中，記憶和信息處理是共同位於一個位置且完全集成的，這導致能效比數字計算機高出數個數量級。我們的突觸晶體管同樣實現了記憶與信息處理功能的並行，更加忠實地模仿了大腦。”

赫薩姆是西北大學麥考密克工程學院材料科學與工程的沃爾特·P·墨菲教授。他還是材料科學與工程系的主席，材料研究科學與工程中心的主任，以及國際納米技術研究所的成員。赫薩姆與波士頓學院的Qiong Ma和MIT的Pablo Jarillo-Herrero共同領導了這項研究。

人工智能（AI）的最新進展激勵着研究人員開發更像人腦一樣運作的計算機。傳統的數字計算系統有獨立的處理和存儲單元，導致處理數據密集型任務會消耗大量能源。隨着智能設備不斷收集大量數據，研究人員急於找到新的方法來處理這些數據，而不需要消耗越來越多的能源。目前，記憶電阻器，或“憶阻器”，是能夠執行結合處理和記憶功能的最成熟技術。但憶阻器仍然存在能源消耗高的問題。

“幾十年來，電子產品的設計範式一直是使用晶體管構建一切，並使用相同的硅架構，”赫薩姆說。“通過在集成電路中簡單地裝入越來越多的晶體管，已經取得了顯著的進展。你不能否認這種策略的成功，但它帶來了高能耗的代價，尤其是在當前大數據時代，數字計算預計將會壓垮電網。我們必須重新思考計算硬件，特別是對於AI和機器學習任務。”

爲了重新思考這個範式，赫薩姆及其團隊探索了moire（莫爾）圖案物理學的新進展，這是一種當兩種圖案疊加在一起時產生的幾何設計。當二維材料疊加時，會出現一些在單層中不存在的新屬性。而當這些層被扭曲形成moire圖案時，電子屬性的前所未有的可調性成爲可能。

對於新設備，研究人員結合了兩種不同類型的原子級薄材料：雙層石墨烯和六角形硼氮化物。當這些材料疊加並有目的地扭曲時，它們形成了一個moire圖案。通過相對旋轉一層，研究人員甚至可以在石墨烯的每一層實現不同的電子屬性，儘管它們之間只有原子級別的距離。通過正確選擇扭曲角度，研究人員利用moire物理學在常溫下實現了類腦功能。

“扭曲作爲一種新的設計參數，其排列組合的可能性是巨大的，”赫薩姆說。“石墨烯和六角形硼氮化物在結構上非常相似，但有足夠的差異，使得你能夠獲得非常強大的moire效應。”

爲了測試這個晶體管，赫薩姆及其團隊訓練它識別相似但並不完全相同的模式。就在本月早些時候，赫薩姆介紹了一種新的納米電子設備，它能夠以高能效的方式分析和分類數據，但他的新突觸晶體管使機器學習和AI技術更進一步。

“如果AI旨在模仿人類思維，最基礎的任務之一就是對數據進行分類，即簡單地將其分門別類，”赫薩姆說。“我們的目標是將AI技術推向更高級別的思維。現實世界的條件往往比當前AI算法可以處理的更復雜，因此我們在更復雜的條件下測試了我們的新設備，以驗證它們的高級功能。”

研究人員首先向設備展示了一個模式：000（連續三個零）。然後，他們要求AI識別類似的模式，例如111或101。“如果我們訓練它檢測000，然後給它111和101，它知道111與000的相似度比101高，”赫薩姆解釋道。“000和111不完全相同，但都是連續的三個數字。識別這種相似性是一種更高級別的認知形式，稱爲關聯學習。”

在實驗中，新型突觸晶體管成功地識別了相似模式，

展示了它的關聯記憶能力。即使研究人員給它不完整的模式，它仍然成功地展示了關聯學習的能力。

“當前的AI很容易被混淆，這在某些情況下可能導致嚴重問題，”赫薩姆說。“想象一下，如果你正在使用自動駕駛車輛，天氣條件惡化了。車輛可能無法像人類駕駛員那樣準確解讀更復雜的傳感器數據。但即使我們給我們的晶體管不完美的輸入，它仍然能夠識別出正確的響應。”

這項研究，“具有室溫類腦功能的莫爾突觸晶體管”，主要得到了國家科學基金會的支持。