（文章來源：環球創新智慧）

據美國德克薩斯A&M大學官網近日報道，該校領導的科學家團隊和工程師們探索出一種基于材料的方案，它可以模仿負責在人腦內傳遞信息的神經信號，為類腦計算開辟了一條新途徑。

大腦是人體最重要的器官之一，它支撐著人的視覺、聽覺、平衡、學習等。大腦的構造十分復雜，它由大約1千億個神經元組成，并由約100萬億個突觸連接。這些神經元與突觸一起構成了一個極其龐大的生物神經網絡。因此，大腦具備極其強大的計算與學習能力，能以極低的功耗，并行處理大量數據。即便是如今最強大的計算機，在涉及到模式識別、風險管理及其他類似的復雜任務時，也無法與人腦抗衡。

科學家們希望從人腦中汲取靈感，來解決傳統計算機體系結構所固有的問題（例如“內存墻”問題）。他們試圖模仿人腦神經元與突觸，在同一地點處理和存儲信息，為此打造了許多新型計算器件，較典型的有憶阻器、光學類腦計算芯片等。近日，美國德克薩斯A&M大學領導的科學家團隊和工程師們探索出一種基于材料的方案，它可以模仿負責在人腦內傳遞信息的神經信號，為類腦計算開辟了一條新途徑。

該多學科團隊，由德克薩斯A&M大學化學家 Sarbajit Banerjee 領導，與德克薩斯A&M大學電氣與計算機工程師 R. Stanley Williams 以及來自北美和其他國家的同事們合作，在一種固態材料 β’-CuxV2O5 中探索出類似神經元的電氣開關機制，特別是，它是如何按照指令在導電和絕緣行為之間可逆變化的。

團隊通過重新研究 β’-CuxV2O5，厘清了驅動這種行為的根本機制。β’-CuxV2O5 是一種像變色龍一樣的卓越材料，它可以根據溫度或者施加的電刺激來變化。在這一過程中，他們集中精力研究了銅離子如何在材料內部四處移動，以及這種微妙的舞蹈如何繼而使得周圍的電子四處移動并改變材料的。他們的研究揭示了銅離子的運動是導電性變化的關鍵，這種變化可用于創造電尖峰，就像大腦神經系統中神經元的工作方式一樣，這代表朝著開發能模仿人腦的電路邁出了重要一步。

他們的成果論文于2月27日發表在 Cell Press 出版的期刊《Matter》上，論文第一作者為德克薩斯A&M大學化學系研究生 Abhishek Parija （現就職于英特爾公司）、Justin Andrews 和 Joseph Handy。在開發新的節能計算模型的過程中，由來自不同領域的合作者們組成的這個研究小組，利用具有可調諧的電子不穩定性的材料，實現所謂的“神經形態計算”，或者說模仿大腦獨特功能以及無與倫比效率的計算方式。

Williams 表示：“大自然賦予了我們具有適當行為的材料，以模仿發生于大腦中的信息處理，但迄今為止，它們都具有不同的局限性。這項研究的重要性在于，化學家們可以理性地設計和創造神經形態特性顯著改善的電活性材料。隨著我們懂得更多，我們的材料將顯著改善，這樣就可以為我們計算能力的持續技術進步提供一條新途徑。”

Parija 表示，智能手機和筆記本電腦每次迭代都會變得更加快速流暢，而新材料以及擺脫傳統限制的計算范式，需要滿足持續增長的速度和能效要求。這些要求使得硅計算機芯片不堪重負，硅計算機芯片的能效正逐漸逼近極限。神經形態計算就是能滿足這些要求的一種方案，在新材料中操控切換行為是實現它的一種途徑。

美國宇航局空間技術研究員 Andrews 表示：“神經形態計算的中心前提（以及中心承諾），是我們仍然沒有找到一條可以像人腦中的神經元和突觸一樣高效執行運算的途徑。大多數的材料是絕緣的（不導電）、金屬般的（導電）或者兩者中間的狀態。然而，某些材料可以幾乎按照指令，在兩種狀態：絕緣（關）和導電（開）之間轉變。”

Handy 表示，通過廣泛地綜合計算技術與實驗技術，團隊不僅能夠證明，這種材料經歷由溫度、電壓和電場強度變化驅動的轉變，創造出類似神經元的電路，而且全面解釋了這種轉變是如何發生的。不同于其他具有金屬-絕緣體轉變（MIT）的材料，這種材料依賴于釩與氧的剛性晶格中銅離子的運動。

Handy 補充道：“我們從根本上展示了，結構中非常細微的銅離子運動導致了整個材料導電性的巨大變化。因為銅離子的運動，材料響應溫度、電壓或者電流的外部變化，從絕緣狀態轉變為導電狀態。換句話說，施加一個微小的電流脈沖，就能讓我們改變材料，并在其中存儲信息，如同在電路中一樣，這很像大腦中神經元的工作方式。”

Andrews 把釩結構中銅離子運動與電子之間的關系比喻為舞蹈。Andrews 表示：“當銅離子運動時，釩晶格中的電子一齊運動，反映出銅離子的運動。通過這種方式，銅離子極其微小的運動導致了釩晶格中產生了大電荷，而釩釩鍵卻無任何明顯變化。這就像釩原子‘看到’銅離子在干什么，并作出響應。”

目前，傳輸、存儲和處理數據，占據了全球能源使用的約10%。但 Banerjee 表示，外推法表明，到2040年，計算需求將超過全球計劃的能源供應許多倍。因此，對于一系列變革性的愿景，例如物聯網、自主交通、抗災設施、個性化醫療以及其他社會大挑戰來說，計算能力的指數級增長非常有必要，然而在處理人工和機器生成的數據的規模和復雜度方面，目前的計算技術能力有限。他表示，打破傳統計算技術限制的一條途徑就是從大自然中汲取靈感，特別是人腦的神經電路，它在能量效率方面遠遠超越了傳統的計算機體系結構，也為機器學習和先進的神經網絡提供了新方案。
（責任編輯：fqj）