南加州大學維特比工程學院和高級計算學院的科學家們創造了人造神經元，可以模擬真實腦細胞的複雜電化學行為。研究結果發表於 自然電子學這是神經形態計算的重要一步。這是模仿人腦的硬件設計領域。這一進步可以縮小芯片的尺寸。大幅降低能源消耗，推動人工智能更接近實現通用人工智能。
這與前幾代數字處理器或神經形態芯片不同。僅通過數學模型模擬大腦功能這些新神經元在物理上模擬真實神經元的工作方式。正如化學信號刺激自然大腦活動一樣，這些模擬版本使用實際的化學反應來啟動計算過程。這意味著它們不僅僅是像徵性的。但這也是生物功能的切實重建。
類腦硬件的新水平
這項研究由南加州大學計算機和電氣工程系的 Joshua Yang 教授領導，建立在他十多年前關於人工突觸的開創性工作的基礎上。該團隊的新方法以一種稱為“擴散憶阻器”的設備為中心。他們的研究結果解釋了這些組件如何產生新一代芯片，以補充和改進傳統的矽基電子產品。儘管矽系統依靠電子來進行計算，但楊的擴散膜卻利用了原子運動。這創建了一個更類似於生物神經元傳輸信息的方式的過程。結果可能是更小、更高效的芯片。它以大腦的方式處理信息，並可能為通用人工智能（AGI）鋪平道路。
在大腦中，電信號和化學信號驅動神經元之間的通信。當電脈衝到達神經元末端稱為突觸的連接點時。它被轉換成化學信號，將信息發送到下一個神經元。當接收到該信號時，該信號會通過神經細胞轉換回連續的電脈衝。楊和他的同事在他們的設備中以驚人的精度模擬了這個複雜的過程。該設計的一個關鍵優點是每個人工神經元都安裝在一個晶體管上。而舊的設計需要數十或數百個。
在生物神經元中，稱為離子的帶電粒子有助於產生電脈衝，從而促進神經系統的活動。人腦依靠鉀、鈉和鈣等離子來實現這一點。
使用銀離子重建大腦動力學
在這項新研究中，南加州大學神經形態計算卓越中心的主任楊使用嵌入氧化物材料中的銀離子來產生模仿自然大腦活動的電脈衝。這包括學習、運動和規劃等基本過程。
“雖然我們的突觸和神經元中的離子不是同一種離子，但控制離子運動和動力學的物理原理非常相似，”楊說。
楊解釋道：“銀很容易分佈，使我們能夠對生物系統進行建模。這種能夠實現類腦芯片的新設備被稱為“擴散憶阻器”，因為使用銀會發生離子的動態運動和擴散。
他補充道：該團隊選擇利用離子動力學來創建人工智能係統。 “因為這就是人類大腦中發生的事情。有充分的理由，而且因為人類大腦是‘進化的贏家’，它是最強大的智能工具。”
“這樣效率更高，”楊說。
為什麼性能對於人工智能硬件很重要？
楊強調，現代計算機的問題不是缺乏動力，而是缺乏效率。 “並不是說我們的芯片或計算機的功能不夠強大，無法勝任它們正在做的事情。而是因為它們的效率不夠高。它們使用了太多的能量，”他解釋道。考慮到當今的大規模人工智能係統使用多少功率來處理大型數據集，這一點尤其重要。
楊進一步解釋說：與大腦不同“我們現有的計算機系統從未打算處理大量數據或僅從幾個例子中學習。提高能量和學習效率的一種方法是創建根據大腦中觀察到的原理運行的人工系統。”
如果您正在尋找真正的速度，現代計算機電子最適合快速操作。但他解釋說，“離子是比電子更好的媒介，可以體現大腦的原理。這是因為電子很輕，很容易揮發。因此，離子處理導致軟件學習而不是硬件學習。這與大腦的工作方式有根本的不同。”
相比之下，他說，“大腦通過在細胞膜上移動離子來學習。直接在硬件中實現節能和自適應學習。或者更準確地說，人們可能稱之為‘濕軟件’。”
例如，幼兒在看到每個數字的幾個例子後就可以學會識別手寫數字。雖然典型的計算機需要數千瓦才能完成相同的任務，但人腦卻在僅消耗約 20 瓦功率的情況下實現了這一令人難以置信的學習壯舉，而當今的超級計算機所需的兆瓦功率則不同。
潛在影響和後續步驟
楊和他的團隊認為這項技術是模仿自然智能的重要一步。然而，他承認這些實驗中使用的資金尚不符合標準半導體製造工藝。未來的工作將探索其他離子材料。可以達到類似的結果
分佈式膜具有能源效率和尺寸效率。典型的智能手機可能有大約十個芯片。每個都有數十億個晶體管打開和關閉來執行計算。
“但是（通過這項創新）我們只需要為每個神經元使用一個晶體管的空間。我們正在設計的構建模塊最終將使我們將芯片尺寸縮小一個數量級。將能耗降低一個數量級，以便在未來實現可持續的人工智能操作，具有類似的智能水平，而不會消耗我們無法維持的能源，”楊說。
我們現在已經展示了一個功能強大且緊湊的構建塊。然後人工創建突觸和神經元。下一步是將其中的許多內容結合起來。並測試我們能夠在多大程度上模擬大腦的表現和能力。 “更令人興奮的是，”楊說，“這種大腦信任的系統可以幫助我們發現關於大腦如何工作的新見解。”
