原作 Jennifer Chu
Root 编译自 MIT News
量子位 出品 | 公众号 QbitAI

论传递信息的能力，计算机的二进制目前还比不上人脑。

因为大脑神经元之间传递的信号形式远多过0或1两种：根据突触（神经元之间的结构）间不同的神经递质，不同的浓度，下游神经元可以拿到不一样的信号。

神经形态计算领域的研究人员希望，能找到一种造出类脑的芯片，可多层次地传递信息。一旦有了多层次的信号传递方式，那么很小的一块神经形态芯片就能匹敌现在的超算，毫不费力地并行运算海量数据。

前两天，MIT电子与微系统技术实验室的Jeehwan Kim教授在《自然》材料子刊发表了一篇论文，SiGe epitaxial memory for neuromorphic computing with reproducible high performance based on engineered dislocations。

△ MIT电子与微系统技术实验室的Jeehwan Kim教授

Kim教授和他的研究团队设计出一种材料为硅鍺的人工突触芯片，可以精确地控制电流的强度，就像神经元可以定量释放多少神经递质一样。

论文中显示，这款人工突触芯片已经可以支持识别手写字体的机器学习算法，准确率达到95%。尽管低于现有的芯片的基准表现97%，不过依然相当promising。

可以说，这篇文章的研究工作奠定了未来神经形态芯片的发展基础。

以后我们的移动设备，可能得靠这种芯片来支持图像识别和其他机器学习任务了。又考虑到移动设备有限的续航能力，这芯片不光要体积小，还得低耗才行。

能快速运算AI算法，便携，低耗是未来市场对这种芯片的基础要求。

待解决的难题：太多条“路”可以走

Kim教授说，现有的大部分神经形态芯片都尝试模仿神经突触，将两个可导电的层用另一种纤维介质分隔开。由于所用的介质材料是非晶态的，电子可以朝所有可能的方向跑，像弹珠机一样。即使人工突触的空间结构是模仿出来了，却无法精准控制“递质释放的浓度”——电流的强度。

控制不了电流的强度，那么所携带的信息也就复现不了。这就是人工突触芯片面临的最大难题，缺乏信息传递的一致性。

完美的不匹配

为了解决这个问题，Kim研究团队锁定了一种由连续排列的原子组成的无缺陷导电材料，单晶硅。这样就可以准确预测电子的流动了。

后来进一步研究发现，硅锗的晶格稍大于硅的晶格，这两种完全不匹配的材料可以形成漏斗状的错位，反而能形成单一的离子流通路径。

这个由硅锗制成的人工突触芯片，每个“突触”间隙约25纳米。实验中对每个突触施加电压，发现所有突触都表现出差不多的电流，不同突触之间的差异大概为4％。与由非晶态的材料制成的“突触”相比，电流强度大小更可控。

对单个“突触”的700次重复施电压实验中，“突触”所输出的电流都是相同的，偏差均在1％。

Kim说：“这是我们目前能够达到的（电流强度）最一致的芯片了。”

对于提高未来人工神经网络性能来说，这工作迈出了很关键的一步。

识别手写数字的表现

电流强度是控制得不错了，那么和现有的冯诺依曼结构的芯片比，计算性能表现怎么样？

Kim团队给这种芯片布置了一个机器学习的任务：识别手写数字。

这是人工突触芯片的第一次实际测试。

例如，当一个输入是手写的“1”，输出标记为“1”时，不仅会有输出神经元被输入神经元激活，还会收到人造突触权重的影响。

如果输入神经元感知到不同样本之间，可能存在某些同一个字母的相似特征时（你可以想象为更多的手写“1”的例子输入同一个芯片时），相同的输出神经元就被激活，和我们大脑的学习过程一样。

最后这种硅鍺材质的人工突触芯片表现还不赖，手写数字识别准确率为95%，略微低于现在的基准线97%。

Kim团队希望，他们的研究工作可以为以后制造拥有超算能力、却和指甲一样大的芯片打些基础。这项研究已经得到了美国国家科学基金会的部分支持。

最后，附论文地址：
https://www.nature.com/articles/s41563-017-0001-5

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。由互联网进化论作者，计算机博士刘锋与中国科学院虚拟经济与数据科学研究中心石勇、刘颖教授创建。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”