計(jì)算機(jī)芯片是人工智能（AI）的最重要方面之一。功能強(qiáng)大的小片段是自動(dòng)圖像識(shí)別的基礎(chǔ)，并部分負(fù)責(zé)教會(huì)機(jī)器人如何進(jìn)行某些活動(dòng)，例如步行。隨著AI技術(shù)潛力的不斷增長(zhǎng)，當(dāng)今的計(jì)算機(jī)芯片必須既功能強(qiáng)大又經(jīng)濟(jì)實(shí)惠，但這是很難完成的事情。

由于傳統(tǒng)的微電子技術(shù)由于物理上的限制而只能進(jìn)行最大程度的優(yōu)化，因此研究人員像往常一樣轉(zhuǎn)向人的大腦，以尋求如何更有效地處理和存儲(chǔ)信息的靈感。

德累斯頓工業(yè)大學(xué)和德累斯頓-羅斯森多夫Helmholtz-Zentrum（HZDR）的科學(xué)家們首次通過使用半導(dǎo)體材料成功地模仿了大腦神經(jīng)元的工作原理。這項(xiàng)研究發(fā)表在《自然電子》雜志上。

我們知道，今天最常用于提高微電子學(xué)性能的技術(shù)是減小組件尺寸。在硅計(jì)算機(jī)芯片的情況下，這種減小發(fā)生在單個(gè)晶體管上。

但研究人員說：“這不可能無限期地進(jìn)行，我們需要新的方法。”

為此他們著手模擬大腦并創(chuàng)建可以結(jié)合數(shù)據(jù)處理和數(shù)據(jù)存儲(chǔ)的人工神經(jīng)元。

“我們的團(tuán)隊(duì)在生物和化學(xué)電子傳感器方面擁有豐富的經(jīng)驗(yàn)，”其中一個(gè)研究者Barbara說。“因此，我們使用生物傳感器原理模擬了神經(jīng)元的特性，并修改了經(jīng)典的場(chǎng)效應(yīng)晶體管以創(chuàng)建人造神經(jīng)元晶體管。”

這種方法允許在一個(gè)組件內(nèi)同時(shí)進(jìn)行存儲(chǔ)和信息處理。在當(dāng)今最常用的晶體管技術(shù)中，這兩個(gè)過程是分開的，從而導(dǎo)致處理時(shí)間變慢和性能受到限制。

多年來，研究人員一直在研究基于人腦的計(jì)算機(jī)，但是很多都沒有成功。最初的嘗試涉及將神經(jīng)細(xì)胞與皮氏培養(yǎng)皿中的電子設(shè)備相連，但是正如德累斯頓工業(yè)大學(xué)材料科學(xué)與納米技術(shù)教授Gianaurelio Cuniberti所說的那樣，“必須一直供入的濕計(jì)算機(jī)芯片是對(duì)任何人都沒有用?！?/p>

但研究人員團(tuán)隊(duì)最終成功實(shí)現(xiàn)了神經(jīng)晶體管。

“我們將粘性物質(zhì)（稱為溶膠凝膠）應(yīng)用于傳統(tǒng)的帶有電路的硅片。這種聚合物硬化并變成多孔陶瓷，” Cuniberti說。離子在孔之間移動(dòng)。它們比電子重，激發(fā)后返回其位置的速度更慢。這種延遲被稱為磁滯現(xiàn)象，是導(dǎo)致存儲(chǔ)效應(yīng)的原因。單個(gè)晶體管被激勵(lì)得越多，它將越早打開并讓電流流動(dòng)。這加強(qiáng)了連接。該系統(tǒng)正在學(xué)習(xí)?！?/p>

根據(jù)該團(tuán)隊(duì)的說法，與精確到最后一個(gè)小數(shù)的計(jì)算相比，該芯片的精度較低，并且會(huì)估算數(shù)學(xué)計(jì)算。

“但是他們會(huì)更聰明，”庫尼貝蒂說。“例如，帶有這種處理器的機(jī)器人將學(xué)會(huì)走路或抓握；它會(huì)擁有一個(gè)光學(xué)系統(tǒng)，并學(xué)會(huì)識(shí)別連接。而這一切都無需開發(fā)任何軟件?！?/p>

這種計(jì)算機(jī)的另一個(gè)主要優(yōu)點(diǎn)之一是可塑性，使其可以在運(yùn)行期間進(jìn)行更改和適應(yīng)。就像人的大腦一樣，這意味著計(jì)算機(jī)最終可能會(huì)遇到并解決從未編程過的問題。