第一作者：Gianluca Milano

通讯作者： Carlo Ricciardi，Daniele Ielmini，Gianluca Milano

通讯单位：意大利都灵理工大学，米兰理工大学，都灵国家计量研究所

一个由热力学控制的“无序的Ag纳米线网络”被用作“有序的物理储层”，在储层计算的记忆实现中处理时空信息。

研究背景——储备池计算系统

储备池计算是一种基于递归神经网络的可高效处理时间信号的仿生学研究方法。在众多神经网络算法中备受关注。硬件通常包括三个部分：输入层、存储层和输出层。输入层将模拟信号转换为时间相关的脉冲串，并将它们输入到储层。储备池由许多相互关联的非线性元素组成，将时空输入转换为高维特征空间。输出层是一个感知器，它读取网络的瞬态响应，通常是通过单个节点的线性加权和，然后使用简单的算法（如线性回归）进一步计算结果，用于分类或预测目的。储备池计算系统的一个独特特点是不需要对储备池进行训练，从而大大减少了网络规模和训练成本。在此之前，已有几种新型器件用于实现物理储层，包括光子、磁和记忆器件。然而，在大多数情况下，存储层是由一个规则定义的设备网格组成的，例如交叉阵列。

研究内容——自组织Ag纳米线网络充当了物理储层

近日，意大利都灵理工大学的Carlo Ricciardi，米兰理工大学的Daniele Ielmini和都灵国家计量研究所的Gianluca Milano等提出了一种新型材料储层计算方案。包裹在薄聚合物层中的自组织Ag纳米线的随机网络充当了物理储层。在每个结处都有一个扩散忆阻器，它能自适应地对电刺激作出反应。一旦刺激被移除或减弱，设备就会回到原来的高电阻状态，以最小化界面能，网络也会根据热力学定律回到“基态”。输出层由非易失性记忆电阻器交叉阵列构成，该阵列读出储层的瞬态响应，并根据训练输出层的特定算法进一步处理信息。该研究表明，完全记忆结构可以处理输入信号的时间和空间性质，并可能在脑启发或神经形态计算硬件技术中开启一个新的篇章。

本文要点：

1）在该方案中，储层是由聚合物包覆的Ag纳米线组成的自组织、随机排列的网络构成的。Ag纳米线从溶液中沉积到基片上，而不需要通常用于制造计算机芯片的复杂光刻程序。

2）储层物理状态的动力学由Ag纳米线网络的电导率图表示，当施加外部电刺激时，在每个结处都可以触发离子运动。换句话说，这些结的行为就像扩散记忆电阻器，根据时空输入模式改变其电导。

3）研究人员还使用记忆器件构建了一个读出层，并通过实验演示了全记忆储层计算系统在图像分类和时间序列预测中的应用。

早在近10年前，就有人提出了使用自组织的随机网络用于储备池计算，特别是聚合物包裹的Ag纳米线。例如，James Gimzewski和他的合作者用Ag2S/Ag2Se纳米线构建了原子开关网络，并提出了它们在储层计算中的应用（ Stieg, A. Z. et al. Adv. Mater. 24, 286–293 (2012) ）。然而，大多数早期工作集中在使用模拟方法进行可行性研究。直到最近，实验表明，储层计算框架可以用于各种人工智能任务，包括语音数字分类。在该研究中，Milano和他的同事们更进一步通过实验演示了一个由非易失性忆阻器件构成的读出层的全忆阻系统。

Ag纳米线网络基储备池计算系统的搭建

图1. 基于记忆型自组织纳米线网络的物理储备池计算系统。

在交叉的自组织纳米线网络上利用电化学电位差诱导Ag的阳极溶解，形成Ag+离子，迁移到聚乙烯吡咯烷酮(PVP)绝缘自组织纳米线网络壳层中，形成导电桥，从而调节结的电导率。记忆神经网络读出是通过在TaOxReRAM交叉点设备阵列的模拟电导水平上映射与每个输出神经元相关的突触权值来实现的，其中电阻开关依赖于亚化学计量的导电丝的形成/断裂。

与生物有机体神经网络相似，Ag纳米线网络的计算特性表现为自组织和高度连接的系统集合属性，具有大量相互作用的组件(记忆元素)。通过将纳米线网络网络与ReRAM设备的记忆读出网络耦合，实现了对时空模式的识别。

图2. 记忆性自组织纳米线网络物理储备池的非线性动力学和衰落记忆特性。

图3. 完全记忆的物理储备池计算和自组织纳米线网络的时空演变。

图4. 基于记忆性自组织纳米线网络的全记忆性纳米结构模式分类。

图5. 自组织纳米线网络储备池作为可扩展的计算基底用于多个任务。

目前大多数集成电路是由先进的光刻技术所定义的按规则模式排列的器件组成的。相比之下，终极高效的计算机——人类的大脑——拥有数千亿神经元，这些神经元不一定按规则排列。利用看似无序的纳米材料的特性进行计算将大大降低硬件制造的成本。纳米线的随机网络使得该设备能够在热力学定律下工作。当受到施加的偏置刺激时，这些自组织网络实现了一种显示出复杂动力学的稳态。如果刺激保持在相对较低的水平，非平衡的丝状结构会以不同的速度在整个网络中自发溶解。换句话说，热力学总是会驱动设备，从而神经网络回到“基态”，开始新一轮的计算。

乱中有序

著名的瑞士心理学家和精神病学家卡尔·荣格曾经说过:“在一切混沌之中有一个宇宙，在一切混乱之中有一个秘密的秩序。”当荣格描述意识时，他的这句话也适用于计算硬件。该研究工作是一个非常完美的例子，说明了热力学是如何“秘密地”控制无序的计算，比如在无序的纳米线网络中。

参考文献：

1、Milano, G., Pedretti, G., Montano, K. et al. In materia reservoir computing with a fully memristive architecture based on self-organizing nanowire networks. Nat. Mater. (2021).

DOI:10.1038/s41563-021-01099-9

https://doi.org/10.1038/s41563-021-01099-9

2、Xia, Q., Yang, J.J. & Midya, R. The secret order of disorder. Nat. Mater. (2021).

DOI:10.1038/s41563-021-01110-3

https://doi.org/10.1038/s41563-021-01110-3

学研汇是国内领先的科研服务创新平台，专注于科学仪器共享预约服务。学研汇旗下拥有米测、微著、画微堂、X-edit、学研云课堂、学研商城等多个品牌，可以为客户提供包括科学仪器测试服务、数据分析、计算模拟、科学可视化、论文润色、科研技能培训、仪器耗材销售、纳米材料定制、技术研发解决方案等全方位一站式科研服务。

官方网站：www.xueyanhui.com

联系电话：李老师 158 2732 3927