PURDUE UNIVERSITY

一项新的研究发现，一种适应性强的新设备可以转换成人工智能硬件所需的所有关键电子元件，在机器人和自治系统中有潜在的应用。

以大脑为灵感或“神经形态”的计算机硬件旨在模仿人脑从经验中自适应学习并以极其节能的方式快速处理信息的非凡能力。大脑的这些特征在很大程度上是由于其可塑性，即通过神经元形成或“神经发生”等活动随时间演化其结构和功能的能力。

“我们假设，如果我们能在电子硬件中模拟这些神经发生行为，我们就能制造出终身学习的机器，”该研究的资深作者、印第安纳州西拉斐特普渡大学的电气工程师和材料科学家Shriram Ramanathan如此表示。

现在，Ramanatha和他的同事们已经用钙钛矿型镍酸盐开发出适应性强的神经形态器件。钙钛矿是一种晶体，在过去十年左右的时间里，它在太阳能电池性能方面取得了惊人的进步。

科学家们将质子引入钙钛矿镍酸盐中。施加在这种材料上的电脉冲可以使质子在材料晶格中来回移动，从而改变其电子特性。研究人员可以根据需要将这种掺杂了质子的钙钛矿镍酸盐制成的设备重新配置为电阻器、记忆电容器、神经元或突触。

MICHAEL PARK/PURDUE UNIVERSITY

“我们可以使用一个设备来执行多种神经形态功能，”该研究的共同领导作者、普渡大学电气工程师和材料科学家Hai-Tian Zhang说，“除此之外，我们还可以通过简单的纳秒级电脉冲在这些功能之间切换。”

该研究报告的作者、普渡大学的电气工程师和材料科学家Michael Tae Joon Park说，这种设备的多功能性“可以通过避免不同功能单元的聚集来简化复杂计算任务的人工智能电路设计。”他指出，潜在的应用包括机器人技术和自主系统。

在模拟生物大脑神经元结构的人工神经网络中使用新设备进行模拟时，科学家们发现，新设备的可重构特性使神经网络“在复杂多变的环境中，与传统的静态网络相比，能够更有效地做出决策，”Zhang说。

新设备在160万个状态切换周期内保持稳定。Park说：“此外，氢离子在经过六个月的初步处理后，仍会在装置中保留很长一段时间，这是令人鼓舞的。”

研究人员建议，他们的设备可以在需要时发展网络，也就是可以根据需要增加计算能力的神经网络。类似地，如果设备检测到定期处于非活动状态的节点以提高效率，则此类网络的大小可能会缩小。

科学家们指出，他们使用与半导体铸造厂兼容的技术制造了他们的设备，这表明他们可能很容易在电子行业中找到应用。然而，“我们的研究还处于起步阶段，”Zhang说，“用这些设备制造大规模集成测试电路需要做更多的工作。”

科学家们在最近一期的《科学》杂志上详细介绍了他们的发现。

往期推荐