江苏龙网

  1. 首页 > 资讯 > >

吃喝攻略|妈妈不用担心我的学习了？兼具学习与记忆功能的神经晶体管面世


写在前面：
大家是否幻想过有朝一日往脑袋里植入芯片 ， 这样就可以省掉大量的记忆和背诵啦 。 小学生们也不用天天苦哈哈 ， 快快乐乐的童年多香啊 。 可惜 ， 固然这篇报道说已经泛起了具有学习和记忆功能的神经晶体管（晶体管是芯片的基础单位） ， 但间隔能植入脑中 ， 还有好长一段距离吧 。 不管怎样 ， 新技术的突破都值得畅想和肯定 。
吃喝攻略|妈妈不用担心我的学习了？兼具学习与记忆功能的神经晶体管面世
本文插图

神经形态运算（Neuromorphic Computing）需要在像是神经整合和突触（Synapse）等人脑元素（例如）的启发下建立体系架构 。 这些运算架构被证实能激发出很多极具发展前景与上风的应用 ， 由于它们可以同时兼具储存和学习的功能 。
当前大多数的神经形态运算架构都是人为重建突触的可塑性（亦即很轻易跟着时间的推移而塑造的能力） ， 突触是神经细胞之间的连接点 ， 能够在大脑各区域进行脉冲传播 。 然而 ， 神经形态运算方法的另一个潜伏有价值的灵感启发来源是神经单位膜（Neuronal Membrane）的可塑性 ， 它是保护神经元（Neuron）功能的屏障 。
找到能复制神经单位膜特性的合适系统 ， 让神经芯片产生独特非线性输出动态
考虑到这一点 ， 柏林产业大学（Technische Universitt ， TU）德勒斯登和霍姆赫兹中央（Dresden and Hemholtz Center）研究职员最近设计了一种能模仿神经单元膜既有可塑性的神经晶体管（Neurotransistor） 。 关于这颗新型神经晶体管的论文已发表在《天然─电子学》（Nature Electronics）期刊上 ， 该晶体管是透过在硅奈米线（Silicon Nanowire）上涂上离子掺杂型溶胶－凝胶硅酸盐薄膜制成的 。
进行这项研究之研究职员之一的 Larysa Baraban 表示：「作为一个在生物和化学电子传感器方面具有主要专业知识的团队 ， 我们试图找到一种能利用生物传感器原理来复制神经单位膜特性的合适系统 。 」 由 Eunhye Baek、Baraban 和他们同事共同设计的神经晶体管 ， 利用了基于硅奈米线晶体管之电子式电压生物传感器（Potentiometric Biosensor）的特性 。 这类传感器可以将离子或分子的电荷转换成电流 。 研究职员将能电子感应到离子电荷（Ionic Charge）的场效晶体管（Field Effect Transistor ， FET）与溶胶－凝胶薄膜结合 ， 进而实现离子电荷的重新分配 。
「我们透过像是电子束（Electron Beam）与紫外光刻（UV Lithography）等 CMOS 制程 ， 在 8 英吋绝缘层上覆硅（Silicon-On-Insulator ， SOI）晶圆上制备奈米线晶体管 ， 」介入这项研究的另一位研究员 Gianaurelio Cuniberti 表示：「然后我们在奈米线组件上涂上离子掺杂型硅酸盐薄膜 ， 这是由使用硅基先驱物（Silicate-Based Precursor）与金属离子的溶胶─凝胶法合成的 。 」
由 Baek、Baraban、Cuniberti 和他们同事共同提出的新型神经晶体管可以充当短期内存 ， 这是因为溶胶─凝胶薄膜限制了内部离子的移动 ， 并在短时间内保持一定的离子状态 。 因为这种独特性 ， 溶胶－凝胶薄膜答应神经晶体管产生独特的非线性（亦即 Sigmoid 函数）输出动态 ， 它由历史输入讯号来控制 。
这项研究最有意义的成就是 ， 利用神经元可塑性获得动态学习能力
由研究职员开发的这种组件仿真了神经元细胞的功能和既有可塑性 。 事实上 ， 在神经元中 ， 膜电位（Membrane Potential）会引发离子电流泛起 S 型变化 。 这种非线性动态特性也赋予它进阶的学习能力 ， 使它成为机器学习应用的理想选择 ， 例如 ， 学习如何在模式分类（Pattern-Classification）任务中表现良好 。
「我们这项研究最有意义的成就就在于 ， 我们利用神经元可塑性而获得神经晶体管网络的动态学习能力 ， 」这项研究主要研究职员之一的 Eunhye Baek 指出：「很多神经形态组件（主要是 memristor 忆阻器）因为它们的随机性（如随机电流阈值） ， 所以很难控制输出动态 。 」
研究职员采用的设计策略是答应他们的神经晶体管使用其神经细胞中定量的掺杂离子来获得不乱的输出动态 。 Baraban、Cuniberti、Baek 和他们同事最近研究的目标是 ， 仿真神经元的非线性运算 ， 他们的神经晶体管可用于执行组件级分类 ， 而无需进行数据的后处理 。 这使得更强盛的神经形态运算能以更低的功耗实现 ， 反观当前运行在神经形态组件上的现有模式分类模型 ， 多半需要额外的软件运算 。
Baraban 表示：「终极 ， 我们证实了人们可以从传统的场效晶体管 ， 甚至整颗芯片 ， 透过对溶胶－凝胶薄膜的选择性修改 ， 将其转变成具有全新功能的神经晶体管（或神经芯片） 。 」 这项工作证明了神经形态电子零组件在单一组件中实现记忆和学习功能的巨大潜力 。 透过仿真神经单位膜的可塑性 ， 他们设计神经晶体管的新策略让具备进阶学习能力之新电子组件的制造成为可能 。
「我们现在正在清华大学透过混合忆阻器开发有如视网膜般的人工视觉感官神经元 ， 来进行进一步的大脑启发式运算研究 ， 」Baek 指出：「在传入的讯号到达大脑之前 ， 感觉神经元已经开始记忆和学习 ， 以便对讯号进行预处理 。 我们神经晶体管背后的动态学习原理将会应用在处理时变（Time-Varying）光讯号上 。 」


推荐阅读


上一篇：少女 为何被拐卖到大山里的少女被救后不愿回家？原因震惊

下一篇：娱乐大爆料|如何成为优秀的出纳？专家为您讲解原始凭证的种类