論傳遞信息的能力，計算機的二進制目前還比不上人腦。

因為大腦神經元之間傳遞的信號形式遠多過0或1兩種：根據突觸（神經元之間的結構）間不同的神經遞質，不同的濃度，下游神經元可以拿到不一樣的信號。

神經形態(tài)計算領域的研究人員希望，能找到一種造出類腦的芯片，可多層次地傳遞信息。一旦有了多層次的信號傳遞方式，那么很小的一塊神經形態(tài)芯片就能匹敵現在的超算，毫不費力地并行運算海量數據。

前兩天，MIT電子與微系統技術實驗室的Jeehwan Kim教授在《自然》材料子刊發(fā)表了一篇論文，SiGe epitaxial memory for neuromorphic computing with reproducible high performance based on engineered dislocations。

△MIT電子與微系統技術實驗室的Jeehwan Kim教授

Kim教授和他的研究團隊設計出一種材料為硅鍺的人工突觸芯片，可以精確地控制電流的強度，就像神經元可以定量釋放多少神經遞質一樣。

論文中顯示，這款人工突觸芯片已經可以支持識別手寫字體的機器學習算法，準確率達到95%。盡管低于現有的芯片的基準表現97%，不過依然相當promising。

可以說，這篇文章的研究工作奠定了未來神經形態(tài)芯片的發(fā)展基礎。

以后我們的移動設備，可能得靠這種芯片來支持圖像識別和其他機器學習任務了。又考慮到移動設備有限的續(xù)航能力，這芯片不光要體積小，還得低耗才行。

能快速運算AI算法，便攜，低耗是未來市場對這種芯片的基礎要求。

待解決的難題：太多條“路”可以走

Kim教授說，現有的大部分神經形態(tài)芯片都嘗試模仿神經突觸，將兩個可導電的層用另一種纖維介質分隔開。由于所用的介質材料是非晶態(tài)的，電子可以朝所有可能的方向跑，像彈珠機一樣。即使人工突觸的空間結構是模仿出來了，卻無法精準控制“遞質釋放的濃度”——電流的強度。

控制不了電流的強度，那么所攜帶的信息也就復現不了。這就是人工突觸芯片面臨的最大難題，缺乏信息傳遞的一致性。

完美的不匹配

為了解決這個問題，Kim研究團隊鎖定了一種由連續(xù)排列的原子組成的無缺陷導電材料，單晶硅。這樣就可以準確預測電子的流動了。

后來進一步研究發(fā)現，硅鍺的晶格稍大于硅的晶格，這兩種完全不匹配的材料可以形成漏斗狀的錯位，反而能形成單一的離子流通路徑。

這個由硅鍺制成的人工突觸芯片，每個“突觸”間隙約25納米。實驗中對每個突觸施加電壓，發(fā)現所有突觸都表現出差不多的電流，不同突觸之間的差異大概為4％。與由非晶態(tài)的材料制成的“突觸”相比，電流強度大小更可控。

對單個“突觸”的700次重復施電壓實驗中，“突觸”所輸出的電流都是相同的，偏差均在1％。

Kim說：“這是我們目前能夠達到的（電流強度）最一致的芯片了。”

對于提高未來人工神經網絡性能來說，這工作邁出了很關鍵的一步。

識別手寫數字的表現

電流強度是控制得不錯了，那么和現有的馮諾依曼結構的芯片比，計算性能表現怎么樣？

Kim團隊給這種芯片布置了一個機器學習的任務：識別手寫數字。

這是人工突觸芯片的第一次實際測試。

例如，當一個輸入是手寫的“1”，輸出標記為“1”時，不僅會有輸出神經元被輸入神經元激活，還會收到人造突觸權重的影響。

如果輸入神經元感知到不同樣本之間，可能存在某些同一個字母的相似特征時（你可以想象為更多的手寫“1”的例子輸入同一個芯片時），相同的輸出神經元就被激活，和我們大腦的學習過程一樣。

最后這種硅鍺材質的人工突觸芯片表現還不賴，手寫數字識別準確率為95%，略微低于現在的基準線97%。

Kim團隊希望，他們的研究工作可以為以后制造擁有超算能力、卻和指甲一樣大的芯片打些基礎。這項研究已經得到了美國國家科學基金會的部分支持。