人工大腦能有多遠(yuǎn)？也許還有很長一段路要走，但大腦網(wǎng)絡(luò)的基本要素——突觸——的一個有效的類似物現(xiàn)在似乎近在咫尺。

這是因?yàn)橐环N從電池中汲取靈感的設(shè)備現(xiàn)在看起來非常適合運(yùn)行人工神經(jīng)網(wǎng)絡(luò)。它被稱為電化學(xué)RAM（ECRAM），它給傳統(tǒng)的基于晶體管的人工智能帶來了意想不到的收益，并在開發(fā)完美的人工突觸的競賽中迅速走向領(lǐng)先地位。研究人員最近在IEEE國際電子設(shè)備會議（IEDM 2022）和其他會議上報告了一系列進(jìn)展，包括使用更少能量、保存更久和占用更少空間的ECRAM設(shè)備。

為今天的機(jī)器學(xué)習(xí)算法提供動力的人工神經(jīng)網(wǎng)絡(luò)是一種軟件，它對大量基于電子技術(shù)的“神經(jīng)元”以及它們的許多連接或突觸進(jìn)行建模。研究人員認(rèn)為，用真實(shí)的設(shè)備來表示組件，尤其是突觸，會產(chǎn)生更快、更節(jié)能的人工智能，而不是用軟件來表示神經(jīng)網(wǎng)絡(luò)。這個被稱為模擬AI的概念需要一個結(jié)合了大量難以獲得的屬性的存儲單元：它需要保持足夠大的模擬值范圍，可靠且快速地在不同值之間切換，長時間保持其值，并且能夠大規(guī)模生產(chǎn)。

“These devices responded much faster than the brain synapse. As a result, they give us the possibility of essentially being able to do a brainlike computation, artificial-intelligence computation, significantly faster than the brain, which is what we really need to realize the promise of artificial intelligence.”
—Jesus del Alamo, MIT

大多數(shù)類型的存儲器都適合于存儲數(shù)字值，但噪聲太大，無法可靠地存儲模擬值。但回到2015年，由Alec Talin領(lǐng)導(dǎo)的桑迪亞國家實(shí)驗(yàn)室的一組研究人員意識到答案就在他們面前：電池的充電狀態(tài)。

“從根本上講，電池是通過在兩種材料之間移動離子來工作的。當(dāng)離子在兩種物質(zhì)之間移動時，電池會儲存和釋放能量，”現(xiàn)為密歇根大學(xué)材料科學(xué)與工程教授的Yiyang Li說,“我們發(fā)現(xiàn)，我們可以使用相同的過程來存儲信息。”

換句話說，通道中的離子數(shù)量決定了存儲的模擬值。理論上，單個離子的差異是可以檢測的。ECRAM使用這些概念，通過第三柵極端子控制“電池”中的電荷量。

想象一個電池，左邊是負(fù)極，中間是離子摻雜通道，右邊是正極。由通道中的離子數(shù)量規(guī)定的正負(fù)端子之間的導(dǎo)電率決定了設(shè)備中存儲的模擬值。在通道上方，有一個電解質(zhì)屏障，允許離子（而不是電子）通過。在屏障的頂部是一個儲層，含有流動離子的供應(yīng)。施加到該儲槽的電壓充當(dāng)“門”，迫使離子通過電解質(zhì)阻擋層進(jìn)入通道，或相反。如今，切換到任何所需的存儲值所需的時間非常快。

麻省理工學(xué)院工程和計算機(jī)科學(xué)教授Jesus del Alamo表示：“這些設(shè)備的反應(yīng)比大腦突觸快得多。因此，它們給我們提供了一種可能性，即基本上能夠進(jìn)行類似大腦的計算，人工智能計算，其速度明顯快于大腦，這是我們真正需要實(shí)現(xiàn)人工智能的承諾。”

最近的發(fā)展迅速使ECRAM接近理想模擬存儲器所需的所有質(zhì)量。

“

能量更低

離子不會比單個質(zhì)子小。Del Alamo在麻省理工學(xué)院的團(tuán)隊(duì)選擇了這種最小的離子作為他們的信息載體，因?yàn)樗鼰o與倫比的速度。就在幾個月前，他們展示了一種設(shè)備，這種設(shè)備可以在幾納秒內(nèi)移動離子，大約是大腦突觸的10000倍。但速度還不夠。

“我們可以看到設(shè)備對仍然有點(diǎn)太大的（電壓）脈沖的響應(yīng)非常快，”del Alamo說，“這是一個問題。我們希望能夠讓設(shè)備對電壓較低的脈沖的響應(yīng)速度非常快，因?yàn)檫@是能源效率的關(guān)鍵。”

在近日于IEEE IEDM 2022上發(fā)表的研究中，麻省理工學(xué)院的團(tuán)隊(duì)首次對電流進(jìn)行實(shí)時研究，深入了解了他們設(shè)備的運(yùn)行細(xì)節(jié)。他們發(fā)現(xiàn)了他們認(rèn)為的阻礙器件在較低電壓下切換的瓶頸：質(zhì)子很容易穿過電解質(zhì)層，但需要在電解質(zhì)和通道之間的界面施加額外的電壓。del Alamo說，有了這些知識，研究人員相信他們可以設(shè)計材料界面，以降低開關(guān)所需的電壓，從而為更高的能源效率和可擴(kuò)展性打開大門。

“

內(nèi)存更久

編程后這些器件通常會保持幾個小時的電阻率。桑迪亞國家實(shí)驗(yàn)室（Sandia National Laboratories）和密歇根大學(xué)（University of Michigan）的研究人員聯(lián)手，將這一保留時間上限提高到10年。他們在11月的《先進(jìn)電子材料》雜志上發(fā)表了他們的研究結(jié)果。

為了長時間保持記憶，由Yiyang Li領(lǐng)導(dǎo)的團(tuán)隊(duì)選擇了麻省理工學(xué)院設(shè)備中較重的氧離子而不是質(zhì)子。即使有更大質(zhì)量的離子，他們觀察到的情況也是出乎意料的。Li回憶道：“我記得有一天，當(dāng)我在旅行時，我的研究生Diana Kim向我展示了這些數(shù)據(jù)，我很驚訝。我們沒想到它會如此不穩(wěn)定。我們后來一遍又一遍地重復(fù)這個過程，才獲得足夠的信心。”

他們推測，非揮發(fā)性來源于他們選擇的材料，氧化鎢，以及氧離子在其中的排列方式。“我們認(rèn)為這是由于一種叫做相分離的物質(zhì)特性，它允許離子自行排列，從而沒有驅(qū)動力將其推回，”Li解釋道。

不幸的是，如此長的保留時間是以犧牲切換速度為代價的，對于Li的設(shè)備來說，切換速度只需幾分鐘。但是，研究人員表示，對如何實(shí)現(xiàn)保留時間的物理理解使他們能夠?qū)ふ彝瑫r具有長記憶和更快切換特性的其他材料。

“

面積更小

這些設(shè)備上增加的第三個終端使它們比競爭的兩個終端存儲器更大，限制了可擴(kuò)展性。韓國浦項(xiàng)科技大學(xué)的研究人員將這些裝置放在一邊，以幫助縮小裝置并將其有效地封裝成陣列。這使得研究人員能夠?qū)⑦@些設(shè)備的占地面積減少到30×30納米，面積約為前幾代的五分之一，同時保持了開關(guān)速度，甚至提高了能效和讀取時間。研究人員還在IEEE IEDM 2022上報告了他們的結(jié)果。

該團(tuán)隊(duì)將他們的器件構(gòu)造成一個巨大的垂直堆疊：源極沉積在底部，導(dǎo)電溝道放置在下一個，然后是其上方的漏極。為了讓漏極允許離子進(jìn)出溝道，他們用單層石墨烯取代了通常的半導(dǎo)體材料。這種石墨烯漏極還用作控制離子流的額外屏障。在其上方，他們放置了電解質(zhì)屏障，最后在頂部放置了離子池和柵極端子。使用這種配置，不僅性能沒有降低，而且將信息寫入和讀取設(shè)備所需的能量也降低了。結(jié)果，讀取狀態(tài)所需的時間減少了20倍。

盡管有上述所有進(jìn)步，但加速AI訓(xùn)練的商用ECRAM芯片仍有一段距離。IBM Research AI Hardware Center的項(xiàng)目總監(jiān)John Rozen表示，這些設(shè)備現(xiàn)在可以由鑄造友好材料制成，但這只是故事的一部分。“社區(qū)的一個關(guān)鍵焦點(diǎn)應(yīng)該是解決集成問題，使ECRAM設(shè)備能夠與前端晶體管邏輯在同一晶圓上單片耦合，這樣我們就可以大規(guī)模地構(gòu)建演示器，并確定它是否確實(shí)是一種可行的技術(shù)。”

Rozen在IBM的團(tuán)隊(duì)正在努力實(shí)現(xiàn)這一可制造性。與此同時，他們創(chuàng)造了一種軟件工具，允許用戶使用不同的模擬人工智能設(shè)備（包括ECRAM）來實(shí)際訓(xùn)練神經(jīng)網(wǎng)絡(luò)并評估其性能。