本篇文章1611字，读完约4分钟
多年来，尽管计算机技术发展迅速，科学家们仍然难以建造出高效而精巧的大脑仿生计算机。最近，斯坦福大学和桑迪亚国家实验室的研究人员构建了一个人工突触。这种突触提高了计算机模拟人脑的效率，极大地促进了这一领域的发展。
“这就像一个真正的突触，但它实际上是一个人工有机电子设备，”阿尔佩·萨莱奥说。他是斯坦福大学材料科学与工程系的副教授，也是本文的资深作者。“以前没有类似的结构被报道过，所以这是一个全新的装置。此外，该装置在许多关键参数上优于无机装置。”
这种新型的人工突触不仅成功地模仿了人脑中突触传递信号的方式，而且比传统计算机具有更高的能量效率。计算机使用不同的设备处理信息和存储信息。在大脑中，信息处理和记忆一样是自动储存的。这项研究最近发表在《自然材料》上。将来，这种突触不仅可能成为高度人脑样计算机的一部分，而且特别适合于通过收集视觉和听觉信号工作的计算机。这一领域已经有了应用，比如声控界面和无人驾驶汽车。
自动完成存储
在学习过程中，电信号在大脑的神经元之间传递。其中，突触间信号的首次传输是最消耗能量的。此后，每次所需的能量都会减少。这也解释了为什么突触可以有效地帮助我们学习新东西，记住我们所学的东西。这种人工突触不同于其他人脑电脑，它不仅能同时完成这两项任务，还能节省大量能量。
“尽管深度学习算法非常强大，但它依赖于处理器的计算、潜在状态的模拟和信息的存储，这在能耗和时间方面都是低效的，”范德布格特评论道。他是萨莱奥实验室的博士后研究员，也是这篇论文的第一作者。"与模拟神经网络不同，我们的工作是建立一个神经网络."
人工突触的设计灵感来自电池。它有三个电极，电极本身由两个柔性薄膜组成，电极之间用盐电解质连接。这个装置像晶体管一样工作。两个电极之间的电流由第三电极控制。
研究人员反复对人工突触进行充电和放电，以模拟人类学习过程来加强大脑中的神经通路。通过这种训练，研究人员可以预测突触达到特定电位状态所需的电压，一旦达到特定状态，突触就可以维持该电压。该方法的不确定度仅为1%。换句话说，与普通计算机不同，人工突触需要在关闭前将工作存储在硬盘上。它可以自动完成存储，无需其他操作和组件。
模拟人脑可以节省能量。
尽管研究人员只构建了一个人工突触，但他们已经对其进行了15000次测量实验，以探索人工突触在神经网络中是如何排列的。他们测试了模拟神经网络识别数字0到9的能力。测试量为三个数据集，结果表明准确率达到93%-97%。
虽然这项任务对人类来说相对简单，但是传统的计算机很难转换视觉和听觉信号。
桑迪亚国家实验室的技术人员希望将该设备应用于人脑模拟计算。“我们已经证明，这种人工突触是运行这种算法的理想设备，而且非常节能。”
这种设备非常适合信号识别和分类，这正是传统计算机的瓶颈。数字晶体管只有0和1种状态，但是研究人员已经成功地在人工突触上实现了500种状态，这对神经元形态计算模型非常有用。在这两种状态之间的转换中，人工突触只需要很少的能量，这仅相当于顶级计算系统将数据从处理单元移动到存储器所消耗能量的十分之一。
尽管人工突触已经非常节能，但它们的能量消耗仍然是生物体中突触传递信号时最小能量消耗的10，000倍。研究人员希望小型设备上人工突触的能量效率能达到神经元的水平。
具有有机体的潜力
设备的每一部分都是由廉价的有机材料制成的。虽然这些材料是合成的，但它们主要由氢和碳组成，与大脑的化学环境相容。细胞可以在这些材料上生长，这些材料也可以用来制造输送神经递质的人工泵。此外，用于训练人工突触的电压与人类神经元的电压相同。
上述情况意味着人工突触可以与活体神经元进行交流，从而促进了脑-机接口技术的发展。这种柔软柔韧的材料适合生物环境。然而，在应用于生物体之前，研究小组打算使用人工突触来构建一个真正的神经网络阵列，用于进一步的研究和测试。
(资料来源:杨浩宇全球科学/翻译)
