用最少的机器支撑万亿级访问

研究小组还对芯片进行了图像处理，对记忆电阻进行编程来改变图像。在给出的案例中，研究人员采用了几种特定的方式，包括锐化和模糊原始图像。同样，他们的设计比现有的忆阻器设计更可靠地产生了重新编程的图像。

“我们正在使用人工突触来做真正的推理测试”，Kim 表示：“我们希望进一步发展这项技术，使其拥有更大规模的阵列来完成图像识别任务。有一天，你就可以携带人工大脑来完成这些任务，而不需要连接到超级计算机、互联网或云端。”

 

虽然这些测试看起来并没有什么技术含量，但该团队相信，他们这样的芯片设计是推动小型便携式人工智能设备发展重要一步，并有望执行现在只有超级计算机才能做到的更为复杂的计算任务。

团队的最终目标是利用微型技术重建大型、复杂的人工神经网络。麻省理工学院机械工程副教授 Jeehwan Kim 表示：“到目前为止，人工突触网络是以软件的形式存在的。我们正试图为便携式人工智能系统构建真正的神经网络硬件”。

这些神经网络目前基于需要大量 GPU 计算能力才能运行的软件，但如果将他们转化成专用硬件，这些微型芯片就可以安装在小型设备上，包括手机或相机，带来令人瞩目的技术革新。

“想象一下，将一个神经形态装置连接到你车上的摄像头上，让它识别灯光和物体并立即做出决定，而不需要连接到互联网。”

当然，麻省理工学院并不是研发神经形态芯片的唯一机构。苹果、谷歌、微软和英特尔公司都有各自版本的机器学习硬件。英特尔的 Lohi 芯片用 1024 个人造神经元模拟大脑。

人工大脑突触

忆阻器，也称记忆晶体管，是神经形态计算的基本元素。在神经形态器件中，忆阻器的工作方式更类似于大脑突触——两个神经元的连接点。大脑突触能够从一个神经元接收到离子形式的信号，然后向下一个神经元发送相应的信号。

传统电路中的晶体管，只能在两种状态(0 或 1)之间切换来传输信息，并且只有当它接收到的电流信号具有一定强度时才这样做，这是现代计算机的基础。

与之不同的是，记忆元件可以提供一个梯度值，这就更像人的大脑的原始雏形。它产生的信号会根据它接收到的信号的强度而变化。这也就意味着单个忆阻器具有多个值，因此比二元晶体管执行范围更广的操作。

并且，和大脑突触一样，忆阻器也能够“记住”与给定电流强度相关的值，并在下一次接收到类似电流时产生完全相同的信号。这可以保证一个在复杂方程计算中得出准确无误的答案，或者拥有可靠的物体的视觉分类——通常，这需要多个晶体管和电容器才能实现。

然而，现有的忆阻器设计在性能上是有限的。一个单忆阻器由一个正电极和一个负电极组成，正负电极再由一个“开关介质”或电极之间的空间隔开。当一个电极被施加电压时，离子从该电极流过介质，形成一个“传导通道”到另一个电极。接收到的离子构成了记忆电阻器通过电路传输的电信号。离子通道的大小(以及忆阻器最终产生的信号)应与刺激电压的强度成正比。

传导通道越薄，从一个电极到另一个电极的离子流动越轻，单个离子就越难保持在一起，而倾向于分离开来。因此，在一定的小范围电流刺激下，接收电极很难可靠地捕获相同数量的离子，从而传输相同的信号。

Kim 也表示，现有的忆阻器设计在电压刺激一个大的传导通道或者从一个电极到另一个电极的大量离子流动的情况下可以顺利完成工作。但是，当忆阻器需要通过更薄的传导通道产生更微妙的信号时，这些忆阻器就有点力不从心了。

利用“冶金”铸造新材料

工程师通常使用银作为忆阻器正极的材料。Kim 说:“传统上，冶金学家试图在大块基质中加入不同的原子来强化材料，我们想，为什么不调整忆阻器中的原子相互作用，加入一些合金元素来控制介质中离子的运动。”

于是，研究人员在这里借用了冶金学的一个概念：当冶金学家想改变一种金属的性能时，他们把它与另一种具有所需性能的金属结合，制造出一种合金。

研究小组查阅文献，寻找一种可以与忆阻器正电极的银结合的材料，从而使其能够更稳定可靠地沿着非常薄的传导通道传递离子，使银离子快速流经另一个电极。

研究小组将目光锁定在铜上，因为铜能与银和硅很好地结合。Kim 说:“它起到了桥梁的作用，稳定了银硅界面。”

为了用他们的新合金制造忆阻器，研究小组首先用硅制造了一个负极，然后通过沉积少量铜制造了一个正极，接着是一层银，再把两个电极夹在非晶硅介质的周围。就这样，他们用成千上万的忆阻器制成了一毫米见方的硅芯片。

（编辑：广元站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!