斯坦福大学研制的人工突触有助开发类脑计算机

据斯坦福大学报道，尽管这些年来人类在计算机技术领域取得了不少进展，但是在再现大脑低能耗、简洁的信息处理过程这方面，研究人员仍步履维艰。现在，美国斯坦福大学（Stanford University）和桑迪亚国家实验室（Sandia National Laboratories）的研究人员取得了重要进展。该研究开发出了一种人工突触，可以帮助计算机模拟大脑。

“人工突触运行起来就像是真的突触，但它是可以制造出来的有机电子设备。”斯坦福大学的研究人员表示，“这是一个全新的设备系列，之前并没有看到过这类架构。对于许多关键指标，这款设备所表现的性能都要比任何非有机设备好。”

该项研究发表在2017年2月20日出版的《自然材料》杂志（Nature Materials）上。这种人工突触模拟了大脑突触从通过其中的信号中进行学习的方式。这种方式比传统计算方式要节能得多。传统方法分别处理信息，再将其存储到存储器中。而人工突触在处理过程就创造出了记忆。

或许有一天，这款突触能够成为类脑计算机的一部分。它尤其擅长处理视觉、听觉信号相关的计算，比如，应用于声控接口以及自动驾驶汽车。过去，这一领域已经研究出人工智能算法支持的高效神经网络，但这类模仿与大脑之间的差距仍然比较大，因为它们还依赖耗能的传统计算机硬件。

1

构建一个大脑

人类学习时，电子信号会在大脑神经元之间传递。首次横穿神经元最耗费能量。再往后，连接耗能就变少了。这是突触推进学习新东西、记住已学内容的高效方式。人工突触不同于大多数类脑计算，也可以同时完成学习和记忆这两项任务，并能显著节省能量。

“深度学习算法虽然非常强大，但仍依赖处理器来计算、模拟电子状态并将其保存在某处，就能耗和时间而言，这不够高效。”研究人员说，“我们没有模拟神经网络，而是尝试着构建神经网络。”

这款人工突触以电池设计为基础，由两个灵活的薄膜组成，每片薄膜有三个终端，通过盐水电解质连接。它的功能就像一个晶体管，其中一个终端控制着其他两个终端之间的电流。

就像大脑中的神经通路通过学习得到强化，研究人员通过重复放电、充电对人工突触编程。训练后，他们就能以1%的不确定性来预测需要多少伏电才能让突触处于某种特定电位状态，而且一旦实现了这种状态，它就可以保持在该状态。换言之，人工突触与普通电脑不同，普通电脑要先把工作保存在硬件上之后才能关掉电脑，而人工突触无需任何额外的操作或配件就能回忆起它的编程。

2

测试人工突触网络

虽然目前只制造了一个人工神经突触，但桑迪亚国家实验室的研究人员利用该突触进行的实验获得了一万五千个测量结果，以此模拟一组这样的突触在神经网络中如何工作。他们测试了模拟网络识别手写数字0到9的能力。在三个数据集上的测试结果显示，其识别手写数字准确度达93%-97%。

尽管这项工作对于人类来说显得比较简单，但是传统计算机要“翻译”视觉与听觉信号是非常困难的。“我们期望计算设备能做的工作越来越需要模拟大脑工作方式的计算，因为用传统计算来进行这些任务，能耗变得越来越大。”研究人员说，“我们已经证实这款设备是运行这类算法的理想工具，而且能耗小得多。”

该设备极其适合于传统计算机执行起来很费力的信号识别和分类工作。数字晶体管只能处于两种状态，比如0或1，但是研究人员在人工突触上成功编码了500种状态，这对神经元类计算模型来说很有用。从一种状态切换到另一种状态所使用的能耗约为当前最先进计算系统将数据从处理单元移动到存储器所用能耗的十分之一。

然而，这仍然意味着人工突触所需能耗是生物突触放电所需的最低能耗的一万倍。研究人员希望，等到他们在更小的设备上测试人工神经突触时，能实现生物神经元级别的能耗水平。

3

有机材料的潜力

该设备的每一个零件都由便宜的有机材料制成。虽然这些材料在自然界中找不到，但是它们主要由碳、氢两种元素构成，与大脑的化学物质相容。细胞已经在这些材料上生长，且已经用于制造神经递质的人工泵。训练人工突触的电压和在人类神经元之间传递的电压相同。

这些都说明了人工神经突触与活的神经元可以进行交流，可借此改进脑机接口。设备的柔软性与灵活性也使其可用于生物环境。但是，在进行任何生物学应用之前，该研究团队计划先打造一组人工神经突触，用于进一步的研究与测试。