作者|Kurt Kleiner
翻译|胡唐燕
审校|D
核心观点:仿制生物神经元的有机电路十分灵活,可以提高处理速度,也许有一天还能直连你的大脑。
人脑是一台神奇的计算机器。它的重量只有3磅(编著注:约1.36千克)左右,但它处理信息的速度比最快的超级计算机快1000倍,存储信息的数量比一台功能强大的笔记本电脑多1000倍,完成这一切所需的能量比一个20瓦的灯泡耗费的能量还要少。研究人员正试图使用柔软、灵活的有机材料来复刻大脑的行为,这些材料可以像生物神经元一样运作,或许有朝一日甚至可以与人体互连。最终,柔软的、“神经形态”的计算机芯片可以直接植入大脑,人们仅仅通过思考就可以控制假肢或电脑显示器。就像真正的神经元一样——但有别于传统的计算机芯片——这些新设备能够发送和接收化学信号和电子信号。“你的大脑与化学物质,比如多巴胺和血清素等神经递质一起工作。我们的材料能够使它们产生电化学反应,”斯坦福大学的材料科学家阿尔贝托·萨里奥说道。他在《2021年材料研究年度评论》上撰文介绍了有机神经形态设备的潜力。萨里奥和其他研究人员已经用这些柔软的有机材料制造出了电子设备,它们可以像晶体管(放大和转换电信号)、记忆细胞(存储记忆)和其他基本电子元件一样工作。这项研究,源于近年来人们对模仿人类神经联结(或叫做突触)工作原理的神经形态计算机电路愈加浓厚的兴趣。无论是由硅、金属还是有机材料制成,这些电路工作原理都不太像数字计算机中的电路,而更像人类大脑中的神经元网络。传统的数字计算机一直是按部就班地工作,它们的结构使计算和存储形成了基本区分。这种区分意味着1和0在计算机处理器上的位置必须不断变换,因此在处理速度和能源使用量方面面临着瓶颈。大脑的运作方式则截然不同。单个神经元接收来自许多其他神经元的信号,所有这些信号加在一起对该神经元的电状态产生影响。实际上,每个神经元既是一个计算装置——把它接收到的所有信号的值相加起来——也是一个存储装置:将所有这些组合信号的值储存为无限可变的模拟值,而不是数字计算机的0或1。研究人员已经研发了许多不同的“忆阻”设备来模仿这种能力。当电流通过这些设备时,电阻就会发生变化。就像生物神经元一样,这些设备通过将所有流经它们的电流的值加起来进行计算,并且记下最后的电阻值。例如,一个简易的有机忆阻器可能有两层导电材料。当施加电压时,电流驱动带正电的离子从一层材料进入另外一层材料,改变了第二层材料在下次遇到电流时导电的容易程度。坦佩亚利桑那州立大学研究神经形态计算的计算机工程师马修·马里内拉说:“这是一种让物理来进行计算的方法。”施加在栅极(G)上的电压(如来自传感器的电压)驱动正离子从一层电解质进入相邻的一层有机聚合物,改变了聚合物的电阻,使电流从源极(S)流向漏极(D)。电阻量代表被储存的值。
这一技术还将计算机从严格的二进制中解放出来。“传统的计算机存储器不是0就是1。而我们所创造的存储器可以是0到1之间的任何值,所以你可以用类似的方式来调节它。”萨里奥表示。目前,大多数忆阻器和相关器件都没有使用有机材料,而是使用标准的硅芯片技术。有些甚至正在作为加速人工智能程序的一种方式,被用于商业用途。然而,萨里奥表示,有机成分有可能在能源消耗更少的情况下更快地完成这项工作。更棒的是,它们可以被设计得与你的大脑融为一体。这种材料柔软而有弹性,还具有电化学性能,所以能够与生物神经元相互作用。例如,现任职于德国亚琛工业大学的电气工程师弗朗西斯卡·桑托罗正在研发一种聚合物设备,这种设备能从真实的细胞中获取信息并向它“学习”。在这种设备中,细胞与人工神经元之间隔着一个狭小的空间,类似于真正神经元之间的突触。当这些细胞产生多巴胺(一种神经信号化学物质)时,多巴胺会改变设备中人工神经元的电状态。细胞产生的多巴胺越多,人工神经元那一部分的电状态变化就越多,正如两个生物神经元所表现的那样(如图所示)。桑托罗说:“我们的最终目标是设计出与神经元神似且如神经元般运作的电子设备。”生物神经元在与人工神经元的交界处释放多巴胺(红球)。间隙中的溶液赋予多巴胺正电荷(金球),使正电荷可以在该设备中流动。电阻取决于多巴胺释放的速度和多巴胺在人工神经元上积累的量。
这种方法可以更好地利用大脑活动来操控假肢或电脑显示器。如今的系统使用标准的电子设备,内含电极,但只能采集广泛的电活动模式。除此之外,这些设备体积庞大,需要外部计算机来操控。灵活的神经形态电路至少可以从两个方面改善这种情况。它们能够以更精细的方式解读神经信号,对来自单个神经元的信号做出反应。萨里奥表示,这些设备本身还能处理一部分必要的计算,节省能源的同时也提高了处理速度。萨里奥和桑托罗表示,这种低层次、分散的系统——利用小型神经形态计算机处理本地传感器接收到的信息——是研究人员们达成神经形态计算的“阳关道”。“它们与神经元的电操作非常相似,所以它们非常适合与神经元组织进行物理耦合和电耦合,并最终与大脑进行耦合。”桑托罗说道。Stanford University 斯坦福大学2021 Annual Review of Materials Research 《2021年材料研究年度评论》neuromorphic computing 神经形态计算Arizona State University 亚利桑那州立大学Matthew Marinella 马修·马里内拉RWTH Aachen University 亚琛工业大学Francesca Santoro 弗朗西斯卡·桑托罗
本站仅提供存储服务,所有内容均由用户发布,如发现有害或侵权内容,请
点击举报。