研究人员在神经形态计算中取得进展

韩国科学技术院（KAIST）的研究团队报告了一种可以同时模拟神经元和突触的纳米级神经形态存储设备。这一新进展是实现模拟人脑的神经形态计算的重要一步，这种计算可以使用半导体设备模拟人脑。

该研究发表在自然通讯。

使用神经形态计算实现人工智能

专家们正在努力使神经形态计算能够通过模拟人脑中的神经元和突触机制来实现人工智能。当前的计算机由于某些限制，无法提供人脑的某些认知功能，但其潜力已经被充分探索。

话虽如此，当前的互补金属氧化物半导体（CMOS）基于的神经形态电路在没有协同作用的情况下连接人工神经元和突触。实施神经元和突触已经被证明是困难的。

为了克服这些限制，材料科学与工程系的李建教授领导的研究团队通过在单个存储单元中引入神经元-突触相互作用来实施人类的生物工作机制。这与传统的电连接人工神经元和突触设备的方法不同。

人工突触设备

以前研究过的人工突触设备通常用于加速并行计算，这与人脑的操作机制有明显的不同。通过在神经形态存储设备中实施神经元和突触之间的协同作用，可以模拟生物神经网络的机制。神经形态设备还可以用单个设备替换复杂的CMOS神经元电路，从而提高可扩展性和成本效率。

人脑由100亿个神经元和100万亿个突触组成，这些神经元和突触的功能和结构可以根据外部刺激而变化，从而使其能够适应周围环境。由该团队开发的神经形态设备可以使用易失性和非易失性存储设备来实现短期和长期记忆的共存，这些设备模拟了神经元和突触的特性。易失性存储由阈值开关设备表示，而相变存储用作非易失性设备。有两种薄膜设备集成，没有立即的电极，神经元和突触的功能适应性可以在神经形态存储中实现。

“神经元和突触相互作用以建立记忆和学习等认知功能，因此模拟这两者对于脑启发式人工智能至关重要，”李教授说。“开发的神经形态存储设备还模拟了重训练效果，通过在神经元和突触之间实施正反馈作用，允许快速学习被遗忘的信息。”