随着人工智能的出现，科技正越来越接近超高速计算世界。但是，这个世界是否配备了合适的硬件，能够处理新的人工智能技术突破带来的工作量?
普渡大学物理学和天文学150周年纪念教授埃里卡·卡尔森解释说:“人工智能革命的大脑启发代码主要是在传统的硅计算机架构上运行的，而这些架构并不是为它设计的。”
在普渡大学、加州大学圣地亚哥分校(USCD)和法国巴黎école的物理学家们的共同努力下，研究人员相信他们可能已经发现了一种通过模仿人类大脑突触来改造硬件的方法。他们在《先进电子材料》杂志上发表了他们的发现，“VO2中的空间分布斜坡反转存储器”。
为了处理未来计算进步的复杂性，硬件的新范式将是必要的。根据这项研究的首席理论科学家Carlson的说法，“神经形态架构有望实现更低能耗的处理器、增强的计算能力、从根本上不同的计算模式、原生学习和增强的模式识别。”
神经形态架构基本上可以归结为模拟大脑行为的计算机芯片。神经元是大脑中传递信息的细胞。神经元的末端有小间隙，信号可以从一个神经元传递到另一个神经元，这些间隙被称为突触。在生物大脑中，这些突触编码记忆。这组科学家得出结论，钒氧化物在神经形态计算方面显示出巨大的前景，因为它们既可以用来制造人工神经元，也可以用来制造突触。
卡尔森解释说:“硬件和软件之间的不协调是训练中巨大的高能量成本的根源，例如，像ChatGPT这样的大型语言模型。”相比之下，神经形态结构通过模仿大脑的基本组成部分:神经元和突触，有望降低能量消耗。虽然硅在记忆存储方面很好，但这种材料不容易使自己具有类似神经元的行为。
“最终，为了提供高效、可行的神经形态硬件解决方案，需要研究与硅具有完全不同行为的材料——可以自然地模仿突触和神经元的材料。不幸的是，人造突触和神经元相互竞争的设计需求意味着，大多数制造好的突触的材料不能作为神经电阻器，反之亦然。只有少数材料，其中大多数是量子材料，已经证明有能力做到这两点。”
该团队依赖于最近发现的一种非易失性存储器，这种存储器通过绝缘体到金属过渡的重复部分温度循环来驱动。这种记忆是在钒氧化物中发现的。
巴黎索邦大学(Sorbonne University)的首席实验科学家亚历山大·齐默斯(Alexandre Zimmers)解释说:“只有少数量子材料是未来神经形态设备的良好候选材料，即模仿人工突触和神经元。第一次，在其中的二氧化钒中，我们可以从光学角度看到材料在作为人工突触运作时发生了什么变化。我们发现记忆在整个样本中积累，为如何以及在何处控制这种特性提供了新的机会。”
卡尔森解释说:“微观视频显示，令人惊讶的是，金属和绝缘体区域的反复进退导致记忆在整个样品中积累，而不仅仅是在区域的边界。”“记忆表现为局部温度的变化，即材料在加热时从绝缘体转变为金属，或在冷却时从金属转变为绝缘体。我们提出，这些局部转变温度的变化是由于点缺陷优先扩散到通过绝缘体交织的金属畴中，当材料在过渡过程中循环时。”
现在，研究小组已经确定钒氧化物是未来神经形态装置的可能候选者，他们计划在他们的下一阶段的研究中前进。
齐默斯解释说:“现在我们已经建立了一种方法来观察这种神经形态材料的内部，我们可以局部调整和观察诸如离子轰击在材料表面的影响。”“这可以让我们引导电流通过样品中记忆效应最大的特定区域。这有可能显著增强这种神经形态物质的突触行为。”
更多资料:张晓明等，空间分布的VO2斜坡反转存储器，电子材料学报(2023)。DOI: 10.1002 / aelm.202300085引用:神经形态计算研究:团队提出模仿人类大脑的硬件(2023年，11月6日)检索自https://techxplore.com/news/2023-11-neuromorphic-team-hardware-mimics-human.html。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
