基於石墨烯的神經突觸為大規模人工神經網路鋪路

美國匹茲堡大學的科研人員研製出一種基於石墨烯的神經突觸，可用於類似人類大腦的大規模人工神經網路。

自從20世紀50年代以來，數字計算幾乎讓各種形式的模擬計算都過時了。但是，仍存在一個例外——人腦，它能與最先進電子設備的計算能力相媲美。

數字電腦活在0和1的世界裡，它們按順序執行任務，按照固定的順序執行演算法的各個步驟。而人腦是神經元的密集網路，每個神經元與上萬個神經元相連，通過突觸持續地往返傳遞信息。每一次交換信息時，大腦就調節這些連接，構建有效通路，直接響應周遭環境。

美國匹茲堡大學斯萬森工程學院（Swanson School of Engineering）的研究團隊研發了一種「人造突觸」，處理信息的方式不同於數字電腦，是模仿了人腦完成任務的模擬方法。研究人員將該成果發表在了新一期國際著名期刊《先進材料》（Advanced Materials）上。

「大腦具有模擬和大規模並行性的特質，這就部分解釋了為什麼在更高級別的認知功能方面人類能擊敗最強大的電腦，例如在複雜多變的數據集中進行語音識別或者圖案識別。」研究人員指出。

現在出現了一個新興領域，稱為「神經計算」，聚焦於受人腦啟發的計算化硬體的設計。該研究團隊採用碳原子的二維蜂窩構型構建了基於石墨烯的人造突觸。石墨烯的導電性能讓研究人員能精確地調節其電導，這就是突觸聯繫的優點。石墨烯突觸表現出優異的能源效率，就像生物突觸一樣。

在人工智慧的新一輪復甦中，計算機已經可以通過多種方式複製大腦，但是需要多個數字設備才能模仿一個模擬突觸。人腦有數以兆計的突觸來傳遞信息，所以要用數字設備來構建大腦顯然不可能，或者說，需要的規模太大了。

匹茲堡大學的研究團隊提供了一種實現大規模人工神經網路硬體的可能方法。據該團隊，基於互補金屬氧化半導體（complementary metal-oxide semiconductor, CMOS）的人工神經網路將會一直在能源效率、擴展性、存儲密度方面功能受限。「我們提出了突觸電子學的全新設備概念，具有模擬特性，節能、可擴展，適用於大規模集成。」研究人員說，「看上去，我們的石墨烯突觸目前滿足了所有這些要求。」

由於石墨烯固有的柔韌性和優異的力學性能，基於石墨烯的神經網路可用於靈活可穿戴電子設備，實現了「互聯網邊緣」的計算。互聯網邊緣是指感測器等能與真實世界接觸的計算設備。

「哪怕只在可穿戴電子設備和感測器實現最基本的智能，我們都可以利用智能感測器追蹤健康信息，提供預防護理和及時診斷，監測植物生長、發現潛在的病蟲害，調節優化製造流程——這會提高我們社會的總生產力，提升生活品質。」研究人員表示。

開發具有模擬人腦功能的模擬腦仍然還需大量技術突破。研究人員需要找到合適的構型來優化這些新的人工突觸。他們需要讓這種突觸與其他設備兼容才能構建神經網路，還需要確保大規模神經網路中的所有人工突觸都以完全相同的方式工作。雖然存在這些挑戰，研究人員表示對他們的研究方向很樂觀。「我們對當前的進展感到激動，因為這可能會讓節能的神經計算硬體變成現實，而當前的神經計算是在高耗能的圖形處理器（GPU）集群中完成的。我們的人工突觸具有靈活、能耗低的特點，使其成為了任何類型人工智慧設備的合適選擇，這將為我們的生活帶來革新性改變，規模甚至比我們過去幾十年見到的數字革命更大。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！