?神經(jīng)形態(tài)計算旨在通過模仿構(gòu)成人腦的神經(jīng)元和突觸的機制來實現(xiàn)人工智能（AI）。受當前計算機無法提供的人腦認知功能的啟發(fā)，神經(jīng)形態(tài)設(shè)備已被廣泛研究。

然而，目前基于互補金屬氧化物半導體（CMOS）的神經(jīng)形態(tài)電路，只是簡單地連接人工神經(jīng)元和突觸而沒有協(xié)同相互作用，而神經(jīng)元和突觸的同時實現(xiàn)仍然是一個挑戰(zhàn)。

為了解決這些問題，由韓國科學技術(shù)高等研究院材料科學與工程系 Keon Jae Lee 教授領(lǐng)導的研究團隊，通過在單個記憶單元中引入神經(jīng)元-突觸相互作用，來實現(xiàn)人類的生物學工作機制，代替了傳統(tǒng)的電連接人工神經(jīng)元和突觸裝置的方法。

這項名為“Simultaneous emulation of synaptic and intrinsic plasticity using a memristive synapse”的結(jié)果發(fā)表在 2022 年 5 月 19 日的《自然通訊》雜志上。

Keon Jae Lee 教授解釋說，“神經(jīng)元和突觸相互作用以建立認知功能，例如記憶和學習，因此模擬兩者是類腦人工智能的基本要素。開發(fā)的神經(jīng)形態(tài)記憶裝置還模仿了再訓練效應，通過在神經(jīng)元和突觸之間實現(xiàn)正反饋效應，可以快速學習被遺忘的信息。”

人腦是由 1000 億個神經(jīng)元和 100 萬億個突觸組成的復雜網(wǎng)絡(luò)。人腦的學習和記憶等智力能力來自近千億個神經(jīng)元與突觸互連的復雜網(wǎng)絡(luò)。一個神經(jīng)元結(jié)合突觸前的輸入刺激來發(fā)射電脈沖，而一個突觸連接相鄰的神經(jīng)元以在整個網(wǎng)絡(luò)中傳輸信號。

而且，神經(jīng)元和突觸的功能和結(jié)構(gòu)可以根據(jù)外界刺激靈活變化，適應周圍環(huán)境。根據(jù)先前的經(jīng)驗，可以修改神經(jīng)元和突觸的功能以重組神經(jīng)通路。突觸可塑性，即突觸自適應地改變連接強度的能力，以其對學習和記憶的貢獻而聞名。

許多細胞和分子研究也表明，神經(jīng)元不僅參與信息處理，還通過內(nèi)在可塑性促進記憶形成，從而調(diào)節(jié)神經(jīng)元的興奮性。突觸可塑性和神經(jīng)元內(nèi)在可塑性同時發(fā)生在所有主要的學習形式中，使大腦能夠高效地執(zhí)行智能任務和概率處理。

受認知人類大腦的啟發(fā)，神經(jīng)形態(tài)計算以生物神經(jīng)網(wǎng)絡(luò)的硬件體現(xiàn)為目標，以實現(xiàn)人工智能（AI）。與基于 CMOS 的方法相比，單個神經(jīng)元和突觸的設(shè)備實現(xiàn)已被廣泛研究，因為它們具有出色的能源效率和可擴展性。

（來源：Pixabay）

憶阻器的出現(xiàn)大大加速了人工突觸的發(fā)展，憶阻器呈現(xiàn)出滯后電阻切換特性。由于阻性切換行為與突觸可塑性非常相似，非易失性憶阻器已成功地模擬了短期和長期突觸可塑性。人工神經(jīng)元也被證明使用易失性憶阻器，模擬從生物合理的集成和發(fā)射模型到生物物理霍奇金-赫胥黎 (HH) 模型的神經(jīng)元模型。

人工神經(jīng)元和突觸的集成對于開發(fā)具有高級認知功能的神經(jīng)形態(tài)智能計算機至關(guān)重要。在此之前，也已經(jīng)報道了能夠進行模式識別和簡單決策的憶阻神經(jīng)網(wǎng)絡(luò)，顯示出優(yōu)于傳統(tǒng)馮諾依曼架構(gòu)的性能。

然而，盡管在學習和記憶中起重要作用，但很少有研究證明人工神經(jīng)元中內(nèi)在可塑性的模擬。此外，內(nèi)在和突觸可塑性之間的協(xié)同相互作用應涉及各種形式的學習，如經(jīng)典條件反射、空間學習和再訓練。

之前的研究報告證明了在單個設(shè)備中的易失性和非易失性切換，但這些研究是表明從易失性到非易失性切換的轉(zhuǎn)變，而不是兩種切換機制與神經(jīng)突觸相互作用的共存。應在單個設(shè)備中實現(xiàn)神經(jīng)元興奮性和突觸權(quán)重變化，以同時解決受腦啟發(fā)的認知 AI 中的神經(jīng)可塑性。

圖 | 神經(jīng)元膜結(jié)構(gòu)圖（左）和 TS-PCM 的相應電路表示（右）（來源：Nature）

在這項最新研究中，研究人員報告了一種突觸裝置，該裝置在單個單元中模擬突觸和內(nèi)在可塑性，此外，基于伴隨神經(jīng)可塑性的協(xié)同相互作用，建立了一個正反饋學習循環(huán)。最后，通過采用閾值開關(guān)相變存儲器（TS-PCM）的伴隨可塑性和反饋學習循環(huán)，成功實現(xiàn)了 4×4 模式的記憶和再訓練。

這是一種納米級的神經(jīng)形態(tài)存儲設(shè)備，它可以在一個單元中同時模擬神經(jīng)元和突觸，其中短期和長期記憶共存，使用分別模擬神經(jīng)元和突觸特征的易失性和非易失性記憶裝置。閾值開關(guān)器件用作易失性存儲器，相變存儲器用作非易失性器件。兩個薄膜器件集成在一起，沒有中間電極，實現(xiàn)了神經(jīng)形態(tài)記憶中神經(jīng)元和突觸的功能適應性。

圖 | 由底部易失性和頂部非易失性存儲層組成的神經(jīng)形態(tài)存儲設(shè)備，分別模擬神經(jīng)元和突觸特性（來源：KAIST）

與商用顯卡類似，此前研究的人工突觸裝置常用于加速并行計算，與人腦的運行機制有明顯區(qū)別。研究小組在神經(jīng)形態(tài)記憶裝置中實現(xiàn)了神經(jīng)元和突觸之間的協(xié)同相互作用，模擬了生物神經(jīng)網(wǎng)絡(luò)的機制。此外，所開發(fā)的神經(jīng)形態(tài)器件可以用單個器件替代復雜的 CMOS 神經(jīng)元電路，具有很高的可擴展性和成本效益。

研究人員表示，這是朝著用半導體設(shè)備嚴格模擬人腦的神經(jīng)形態(tài)計算目標邁出的又一步。?