是否曾经希望您的计算机能够像您一样思考甚至理解您?

得益于德克萨斯农工大学领导的科学家和工程师团队,以及他们最近发现了一种基于材料的模仿神经信号的神经信号,该信号负责在人脑内传递信息,这种未来也许不会再遥远了。

由德克萨斯州A&M化学家Sarbajit Banerjee领导的多学科团队与德克萨斯州A&M电气和计算机工程师R. Stanley Williams以及北美和国外的其他同事合作,发现了固态材料β’中类似神经元的电开关机制。 -Cu x V 2 O 5-具体来说,根据命令它如何在导电和绝缘行为之间可逆地变形。

该小组能够通过采取在一个新的外观澄清底层机构驱动此行为β’-Cu系X V 2 ø 5,一个显着变色龙状材料随温度或改变施加的电刺激。在此过程中,他们将注意力集中在铜离子在材料内部如何运动以及这种微妙的舞步又如何向周围散布电子以使其转变。他们的研究表明,铜离子的运动是电导率变化的关键,可以像神经元在脑神经系统中发挥作用一样,利用电离来产生电尖峰-这是开发像人一样起作用的电路的重要一步脑。

他们产生的论文以2月27日在Cell Press杂志的Matter上发表为特色,该论文以德克萨斯A&M化学研究生Abhishek Parija(现为英特尔公司),Justin Andrews和Joseph Handy为第一作者。

为了寻求新的节能计算模式,广泛的协作者正在利用具有可调电子不稳定性的材料来实现所谓的神经形态计算,或者旨在复制大脑独特功能和无与伦比的效率的计算。

威廉姆斯说:“自然界已经给我们提供了具有适当行为类型的材料,以模仿大脑中发生的信息处理,但是迄今为止所表征的材料具有各种局限性,”威廉姆斯说。“这项工作的重要性在于表明化学家可以合理地设计和制造具有明显改善的神经形态特性的电活性材料。据我们所了解,我们的材料将得到显着改善,从而为不断提高计算能力的技术提供了一条新途径。”

尽管智能手机和笔记本电脑的每次迭代看起来都更快,更流畅,但Parija指出,需要摆脱传统限制的新材料和计算范式,才能满足持续不断的速度和能源效率要求,从而使硅计算机芯片的性能难以承受。它们在能源效率方面的基本限制。神经形态计算就是这样一种方法,操纵新材料中的开关行为是实现它的一种方法。

“神经形态计算的中心前提,乃至核心承诺是,我们仍然没有找到一种方法可以像神经元和突触在人脑中发挥作用的方式一样高效地执行计算。”美国宇航局太空技术研究员安德鲁斯说。“大多数材料是绝缘的(不导电的),金属的(导电的)或中间的某个地方。但是,有些材料可以在两种状态之间转换:绝缘(关闭)和导电(打开)几乎可以根据命令进行。”

汉迪说,通过将计算和实验技术广泛结合,该团队不仅证明了这种材料经历了温度,电压和电场强度变化驱动的转变,可用于创建神经元样电路,而且全面解释这种过渡是如何发生的。与其他具有金属-绝缘体转变(MIT)的材料不同,该材料依赖于铜离子在钒和氧的刚性晶格中的移动。

汉迪补充说:“我们本质上表明,结构中铜离子的很小移动会导致整个材料的电导发生巨大变化。” “由于铜离子的这种运动,材料会响应于温度,施加的电压或施加的电流的外部变化而从绝缘转变为导电。换句话说,施加小的电脉冲使我们能够变换材料并在其中保存信息因为它在电路中起作用,就像神经元在大脑中的功能一样。”

安德鲁斯将铜离子运动与钒结构上的电子之间的关系比喻为舞蹈。

安德鲁斯说:“当铜离子移动时,钒晶格上的电子会协同移动,反映出铜离子的移动。” “通过这种方式,铜离子的微小移动会在钒晶格中引起大的电子变化,而钒-钒键没有任何可观察到的变化。这就像钒原子’看到’铜在做什么并作出反应。”

目前,传输,存储和处理数据约占全球能源使用量的10%,但Banerjee表示,推断表明,对计算的需求将比2040年预计的全球能源供应量高出很多倍。因此,计算能力需要呈指数级增长应对变革的愿景,包括物联网,自动交通,抗灾基础设施,个性化医学和其他社会挑战,否则当前的计算技术将无法应对人为和机器生成的规模和复杂性数据。他说,突破传统计算技术局限性的一种方法是从自然界中汲取灵感-特别是人脑的神经回路,

“要在人造电路中模拟神经元功能的基本要素,我们需要表现出电子不稳定性的固态材料,像神经元一样,它们可以以内部状态和电子事件的时间存储信息,” Banerjee说。“我们的新工作探索了表现出这种不稳定性的材料的基本机理和电子行为。通过对这种材料进行全面表征,我们还提供了信息,这些信息将指导神经形态材料的未来设计,这可能会提供一种改变其性质的方法。从简单的算术到类似脑智能的机器计算,同时大大提高了处理器的吞吐量和能效。”

由于在传统的计算机体系结构中,处理逻辑运算,存储存储器和传输数据的各种组件都彼此分开,因此Banerjee表示,它们固有的效率低下困扰着它们,即信息处理所需的时间以及设备在物理上的紧密距离在热浪费和电子在组件之间“偶然地”隧穿成为主要问题之前,这些元素就可以出现。相比之下,在人脑中,逻辑,内存存储和数据传输同时集成到了在3-D扇出网络中密集互连的神经元的定时触发中。结果,与硅计算架构相比,大脑的神经元以低10倍的电压和近5,000倍的突触操作能量处理信息。

Handy指出,团队仍然需要优化许多参数,例如转变温度和开关速度以及电阻变化的幅度。通过确定在β’-Cu系的MIT的基本原理的X V 2 ø 5作为候选的一个广阔的领域内的原型材料,但是,小组已确定某些设计图案和可调化学参数,最终证明在设计有用未来的神经形态计算材料,这是德州A&M X-Grant计划所开展的一项重大工作。

“这一发现非常令人兴奋,因为它为开发新的设计原则以调节材料的性能提供了沃土,同时也为该领域的研究人员提出了令人振奋的新方法,以考虑节能电子的不稳定性,” Parija说。“整合了神经形态计算的设备有望提高基于硅的计算尚未实现的能源效率,并提高模式识别等计算挑战的性能,而这正是人脑特别擅长解决的任务。材料和机制我们在这项工作中描述的内容使我们离实现神经形态计算更近了一步,进而实现了随之而来的所有社会效益和总体希望。”

这个为期多年的项目由来自四个学科(化学,物理,材料科学与工程以及电气和计算机工程)的团队成员以及得克萨斯州A&M,劳伦斯·伯克利国家实验室,布法罗大学,宾汉姆顿大学和德克萨斯州A&M大学的研究人员组成。卡塔尔还依赖伯克利实验室的The Molecular Foundry和Advanced Light Source(ALS),Argonne国家实验室的Advanced Photon Source(APS)和加拿大的光源。这项研究主要由美国国家科学基金会(授权号DMR 1809866)资助,得克萨斯A&M X-Grant和卡塔尔国家研究基金也提供了额外的支持。