新型类脑晶体管模仿人类智力

研究人员从人脑中获得灵感，开发出一种能够进行更高级思维的新型突触晶体管。

该设备由西北大学、波士顿学院和麻省理工学院(MIT)的研究人员设计，可以像人脑一样同时处理和存储信息。

在新的实验中，研究人员证明了这种晶体管超越了简单的机器学习任务，可以对数据进行分类，并能够进行联想学习。

尽管先前的研究利用类似的策略开发了类脑计算设备，但这些晶体管在低温之外无法工作。

相比之下，新设备在室温下是稳定的。

它的运行速度很快，能耗很低，即使断电也能保留存储的信息，非常适合现实应用。

这项研究将于周三(12月20日)发表在《华尔街日报》上自然.

“大脑的架构与数字计算机有着根本的不同，”西北大学的马克·c·赫萨姆说，他是这项研究的共同领导者。

“在数字计算机中，数据在微处理器和内存之间来回移动，这将消耗大量能源，并在试图同时执行多项任务时造成瓶颈。另一方面，在大脑中，记忆和信息处理位于同一位置并完全集成，从而使能效提高了几个数量级。我们的突触晶体管同样实现了并发记忆和信息处理功能，以更忠实地模仿大脑。”

赫萨姆是西北大学麦考密克工程学院材料科学与工程系的沃尔特·墨菲教授。

他还是材料科学与工程系主任、材料研究科学与工程中心主任和国际纳米技术研究所成员。

赫萨姆与波士顿学院的马琼和麻省理工学院的巴勃罗·贾里罗-赫雷罗共同领导了这项研究。

人工智能(AI)的最新进展激励研究人员开发更像人脑一样运行的计算机。

传统的数字计算系统具有独立的处理和存储单元，导致数据密集型任务消耗大量能源。

随着智能设备不断收集大量数据，研究人员正在努力寻找新的方法来处理这些数据，而不会消耗越来越多的电力。

目前，记忆电阻器或“忆阻器”是开发最完善的技术，可以执行组合处理和记忆功能。

但是忆阻器仍然受到高能耗开关的困扰。

“几十年来，电子领域的范式一直是用晶体管制造一切，并使用相同的硅架构，”赫萨姆说。

“通过简单地将越来越多的晶体管封装到集成电路中，已经取得了重大进展。你不能否认这一策略的成功，但它是以高功耗为代价的，尤其是在当前数字计算即将压倒电网的大数据时代。我们必须重新思考计算硬件，特别是针对人工智能和机器学习任务。”

为了重新思考这一范式，赫萨姆和他的团队探索了莫尔图案物理学的新进展。莫尔图案是一种几何设计，当两个图案相互叠加时就会出现。

当二维材料堆叠在一起时，会出现新的特性，而这些特性不会只存在于一层中。

当这些层扭曲形成莫尔图案时，前所未有的电子特性可调性就成为可能。

对于新设备，研究人员结合了两种不同类型的原子级薄材料:双层石墨烯和六方氮化硼。

当堆叠和有目的地扭曲时，这些材料形成了云纹图案。

通过相对于另一层旋转一层，研究人员可以在每一层石墨烯中实现不同的电子特性，即使它们仅由原子尺度的尺寸隔开。

通过正确选择扭曲，研究人员利用莫尔物理学在室温下实现神经形态功能。

赫萨姆说:“将扭转作为一个新的设计参数，排列的数量是巨大的。”

“石墨烯和六方氮化硼在结构上非常相似，但又有足够的不同，因此你会得到非常强的莫尔效应。”

为了测试晶体管，赫萨姆和他的团队训练它识别相似但不完全相同的模式。

就在本月早些时候，赫萨姆推出了一种新的纳米电子设备，能够以节能的方式分析和分类数据，但他的新突触晶体管使机器学习和人工智能更进一步。

赫萨姆说:“如果人工智能是为了模仿人类思维，那么最底层的任务之一将是对数据进行分类，这只是将数据分类到垃圾箱中。”

“我们的目标是推动AI技术朝着更高层次思维的方向发展。现实世界的条件往往比当前的人工智能算法更复杂，因此我们在更复杂的条件下测试了我们的新设备，以验证它们的先进能力。”

首先，研究人员向该设备展示了一种模式:000(连续三个零)。然后，他们要求人工智能识别类似的模式，例如111或101。

赫萨姆解释说:“如果我们训练它检测000，然后给它111和101，它就知道111更类似于000而不是101。

“000和111并不完全相同，但都是连续的三位数。认识到相似性是一种更高级的认知形式，称为联想学习。”

在实验中，新的突触晶体管成功地识别了类似的模式，显示了其联想记忆。

即使当研究人员投掷曲线球时——比如给它不完整的图案——它仍然成功地展示了联想学习。

赫萨姆说:“当前的人工智能可能很容易混淆，这在某些情况下可能会导致重大问题。”

“想象一下，如果你正在使用自动驾驶汽车，而天气条件恶化。车辆可能无法像人类驾驶员那样解释更复杂的传感器数据。但是，即使我们给我们的晶体管提供不完美的输入，它仍然可以识别正确的响应。”

这项名为“具有室温神经形态功能的莫尔突触晶体管”的研究主要由美国国家科学基金会资助。

来源: Materials provided by Northwestern University. Original written by Amanda Morris.
注明: Content may be edited for style and length. Journal Reference: Xiaodong Yan, Zhiren Zheng, Vinod K. Sangwan, Justin H. Qian, Xueqiao Wang, Stephanie E. Liu, Kenji Watanabe, Takashi Taniguchi, Su-Yang Xu, Pablo Jarillo-Herrero, Qiong Ma, Mark C. Hersam. Moiré synaptic transistor with room-temperature neuromorphic functionality. Nature, 2023; 624 (7992): 551 DOI: 10.1038/s41586-023-06791-1