一項研究發現，人腦中新的人工神經元和突觸可能只有神經元大小的千分之一，速度至少是生物突觸的10000倍。

研究人員說，這些新設備可能有助于提高日益普遍和強大的人工智能系統（稱為深度神經網絡）的學習速度。

在人工神經網絡中，被稱為“神經元”的電子元件被輸入數據，并協作解決問題，例如識別圖像。神經網絡反復調整其仿神經元之間的聯系，并觀察由此產生的行為模式是否更善于找到解決方案。隨著時間的推移，網絡會發現哪些模式最適合計算結果。然后，它采用這些默認值，模仿人腦中的學習過程。

如果神經網絡擁有多層神經元，則稱之為“深度”。深度神經網絡越來越多地應用于分析醫學掃描、設計微芯片、預測蛋白質如何折疊，以及為自動駕駛汽車提供動力。

訓練深度神經網絡所需的時間、精力和資金投入正在飛速增長。研究人員正在尋求幫助克服這一挑戰的一種方法是在模擬大腦的硬件上而不是傳統的計算機上訓練模擬大腦的深度神經網絡，這種策略稱為模擬深度學習。

正如晶體管是數字計算機的核心元件一樣，神經元和突觸樣元件也是模擬深度學習的關鍵組成部分。在這項新的研究中，研究人員試驗了一種名為可編程電阻器的人工突觸。

新的可編程電阻器類似于憶阻器或記憶電阻器。這兩種設備本質上都是電子開關，可以記住斷電后切換到的狀態。因此，它們類似于突觸，其導電性根據過去通過它們的電荷數量而增強或減弱。該研究的主要作者、麻省理工學院電氣工程師Murat Onen說，憶阻器是雙端器件，而新的可編程電阻器是三端器件。

研究小組的可編程電阻器通過移動質子來增加或減少電導。為了增加電導，電場幫助將質子插入器件中。為了降低電導率，取出質子。

這些質子可編程電阻器使用與電池中發現的類似的電解質，讓質子通過，同時阻擋電子。他們的電解質是磷硅酸鹽玻璃，研究人員懷疑這種玻璃在室溫下具有高質子傳導性。這種玻璃容納了許多納米尺寸的孔用于質子傳輸，還可以承受非常強的脈沖電場以幫助質子快速移動。

與團隊設備早期版本中使用的有機Nafion電解質不同，磷硅酸鹽與硅制造技術兼容。這有助于將這些設備“一直擴展到10納米級”，Onen說。相比之下，生物神經元的長度大約是前者的1000倍。

生物神經元和突觸處理和傳輸數據的速度受到微弱電壓和水介質的限制，這些信號在水介質中混洗。任何超過1.23伏的電壓都會導致液態水分解成氫氣和氧氣。因此，動物的思維速度通常限制在毫秒的時間尺度內。相反，人工固態神經元和突觸并沒有受到這些限制。然而，目前還不清楚它們與生物學上的同類相比有多快。

在實驗中，科學家們發現他們的質子可編程電阻器在室溫下的運行速度至少是生物突觸的10000倍?！白盍钊梭@訝的是，我們能以多快的速度在固體介質中移動質子，” Onen說。“以前，操作時間尺度約為毫秒，而在這項工作中，我們實現了納秒?！?/p>

這些設備可以運行數百萬次而不會發生故障。此外，它們在計算過程中產生的熱量與人類突觸相比也很好。磷硅酸鹽玻璃的絕緣特性意味著當質子移動時，幾乎沒有電流通過材料，這使得這些小玩意兒非常節能。

主要的技術含義是，我們現在可以擁有用于模擬深度學習應用的質子可編程設備，”Onen說，“與競爭技術相比，此類設備的前輩已經具備了許多有前途的品質，但速度非常慢，這意味著它們不適合用于處理器?！?/p>

“此外，”Onen說，“固體中超快離子傳輸的發現可能具有比模擬深度學習更廣泛的意義，無論何時需要快速離子運動，例如在微電池、燃料電池、人工光合作用和電致變色中?！薄　?/p>