南加州大学维特比工程学院和高级计算学院的研究人员构建了人工神经元，这些神经元在物理上模拟了真实脑细胞的电化学行为。
这项研究标志着向更高效、类脑硬件迈出了重要一步，这种硬件未来可能会支持人工通用智能。
与现有的神经形态芯片不同，后者是通过数字方式模拟脑活动，而南加州大学的新神经元则使用真实的化学和电过程进行计算。
换句话说，它们不仅仅是模仿大脑的工作方式，而是更像真正的脑细胞。
这项研究是由南加州大学计算机与电气工程教授、神经形态计算卓越中心主任约书亚·杨领导的。
杨和他的团队开发了一种新型人工神经元，基于他们所称的“扩散型忆阻器”。这些神经元不是像传统硅芯片那样依赖电子的运动，而是依靠原子的运动来处理信息。
在大脑中，神经元使用电信号和化学信号进行通信。当电信号到达神经元突触的末端时，它转变为化学信号，以将信息传递给下一个神经元。一旦信号跨越，它又变回电信号。
杨的团队现在已经使用氧化物中的银离子模拟了这一过程。
杨说：“尽管我们人工突触和神经元中的离子并不完全一样，但控制离子运动和动态的物理规律非常相似。”
他补充道：“银的扩散性很强，给我们提供了模拟生物系统所需的动态，以便我们能够实现神经元的功能，结构非常简单。”
这种设计被称为“扩散型忆阻器”，让每个人工神经元只需一个晶体管的空间，而传统设计通常需要几十个甚至上百个。
杨表示，团队选择使用离子动态“是因为这正是人脑中发生的情况，原因很简单，因为人脑在进化中是赢家，是最有效的智能引擎。”
核心的能效
杨表示，目前计算系统面临的主要问题不是功率，而是效率。
“并不是我们的芯片或计算机不够强大，而是它们的效率不够。”他解释道。
现代计算机是为了处理大量数据而设计的，而不是像人类那样通过小例子学习。
“提高能源和学习效率的一个方法是构建遵循大脑原理运作的人工系统，”杨说。
他认为离子可能是关键。“离子比电子更适合体现大脑的原理，”他说。“因为电子轻而不稳定，用它们进行计算会让学习依赖于软件而不是硬件。”
朝着人工通用智能的目标迈进
人脑只需看几次就能学习识别某个事物，而且只消耗大约20瓦特的能量。
相比之下，如今的人工智能系统和超级计算机在执行类似任务时却需要消耗大量能量。
目前的设备使用银，杨指出这与标准的半导体制造不兼容。他的团队计划探索其他能提供类似性能的离子材料。
现在南加州大学的研究人员已经开发出紧凑且功能强大的人工神经元，他们的下一步是整合大规模的神经元网络，并测试它们能与大脑的学习能力有多接近。
杨教授表示，在这个过程中，这些系统可能会帮助科学家更深入地理解大脑是如何运作的。
热门跟贴