斯坦福大学研究人员的人工突触快速高效且持久

大脑能够同时学习和记忆大量信息而又几乎不需要能量的能力激发了整个领域去追求类似于大脑(或神经形态)的计算机。斯坦福大学和桑迪亚实验室的研究 人员以前开发 了这种计算机的一部分：一种充当人工突触的设备，模仿神经元在大脑中的交流方式。

在《科学》杂志在线发表的一篇 论文中，研究小组报告说，其中九种设备的原型阵列在处理速度，能源效率，可重复性和耐用性方面的表现甚至比预期的还要好。

展望未来，团队成员希望将其人工突触与传统电子技术结合起来，他们希望这可能是支持在小型设备上进行人工智能学习的一步。

该论文的共同作者，该研究的一名研究生Scott Keene说：“如果您的存储系统可以学习我们介绍的能效和速度，那么您可以将其放入智能手机或笔记本电脑中。” 斯坦福大学材料科学与工程教授，Alberto Salleo实验室的 共同作者。“这将使我们能够训练自己的网络并在我们自己的设备上本地解决问题，而不必依靠数据传输。”

电池坏，突触好

该团队的人工突触类似于电池，经过修改后可以让研究人员在两个终端之间调高或调低电流。电流模拟了大脑中的学习联系方式。这是一种特别有效的设计，因为数据处理和内存存储是一个动作，而不是更传统的计算机系统，先处理数据，然后再将其移至存储。

了解这些设备在阵列中的性能是至关重要的一步，因为它使研究人员可以同时对多个人工突触进行编程。与必须对每个突触进行一次编程相比，此方法所花费的时间要少得多，并且可以与大脑的实际工作方式相提并论。

在对该设备的早期版本进行的先前测试中，研究人员发现，其处理和存储操作所需的能量大约是先进计算机系统执行特定任务所需能量的十分之一。尽管如此，研究人员仍然担心，所有这些设备加在一起以较大的阵列工作可能会冒消耗过多功率的风险。因此，他们对每个设备进行了重新组装，使其传导的电流更少–使它们的电池更差，但阵列的能源效率更高。

3×3阵列依赖于第二种类型的设备，该设备由马萨诸塞州大学阿默斯特分校的作者Joshua Yang开发，后者是该论文的合著者，可作为对阵列内突触进行编程的开关。

“将所有零件接线都需要大量的故障排除和大量的接线。我们必须确保所有阵列组件都能协同工作，” 萨莱欧实验室的博士后学者 Armantas Melianas说道。“但是当我们看到一切都点亮时，它就像一棵圣诞树。那是最激动人心的时刻。”

在测试期间，该阵列的性能超出了研究人员的预期。它的执行速度如此之快，以致团队预测这些设备的下一个版本将需要使用特殊的高速电子设备进行测试。在测量了3×3阵列中的高能效之后，研究人员对较大的1024×1024突触阵列进行了计算机仿真，并估计它可以由当前在智能手机或小型无人机中使用的相同电池供电。研究人员还能够切换设备十亿次-这证明了其速度-却没有看到其性能的任何下降。

“事实证明，如果对聚合物器件进行妥善处理，它们可以像传统的硅材料一样具有弹性。从我的角度来看，这也许是最令人惊讶的方面。”萨利奥说。“对我来说，它改变了我对这些聚合物器件的可靠性和使用方式的看法。”

创造空间

研究人员尚未将其阵列提交给测试来确定其学习程度，但这是他们计划研究的内容。该团队还希望了解他们的设备如何在不同条件下(例如高温)经受住考验，并致力于将其与电子产品集成在一起。还有许多基本问题需要回答，可以帮助研究人员确切地了解其设备为何如此出色。

梅利安娜斯说：“我们希望更多的人开始使用这种类型的设备，因为没有很多小组关注这种特定的架构，但是我们认为这是非常有前途的。” “仍有很大的改进和创造空间。我们几乎没有碰过表面。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！