隨著人工智能、物聯(lián)網(wǎng)及智慧醫(yī)療等新型信息交互領(lǐng)域的發(fā)展，基于傳統(tǒng)馮諾依曼架構(gòu)的計算機系統(tǒng)以及工藝迭代帶來的算力提升越來越難以滿足數(shù)據(jù)處理及復(fù)雜神經(jīng)網(wǎng)絡(luò)模型運算的需求。神經(jīng)形態(tài)器件作為一種模擬人腦的高效低功耗的信息處理模型，在信息處理方面具有天然優(yōu)勢。目前，以憶阻器為代表的人工突觸器件廣泛應(yīng)用于神經(jīng)形態(tài)計算，并構(gòu)建多種類型的神經(jīng)網(wǎng)絡(luò)。然而，傳統(tǒng)的人工突觸器件存儲的權(quán)重固定，重新部署費時費力，無法根據(jù)輸入變化進行自適應(yīng)調(diào)整。

　　與突觸類似，基于電荷的半導(dǎo)體儲能設(shè)備可在低能量條件下實現(xiàn)存儲權(quán)重的調(diào)節(jié)和保持。離子遷移的獨特特性使其可以用于構(gòu)建模擬突觸間隙信息傳輸?shù)娜斯ね挥|器件。有研究表明，類似電池的儲能裝置可以用作人工突觸器件進行低能量計算。因此，利用半導(dǎo)體儲能器件設(shè)計新型感算系統(tǒng)解決高寫入噪聲、非線性差和零偏壓下的擴散等問題將是類腦計算領(lǐng)域的重要研究方向。

　　近日，中國科學(xué)院半導(dǎo)體研究所半導(dǎo)體超晶格國家重點實驗室研究員王麗麗課題組、北京理工大學(xué)教授沈國震與香港科技大學(xué)教授范智勇合作，利用微納加工設(shè)計了一種基于可調(diào)柔性能量存儲裝置（FMES）系統(tǒng)的新型感算集成系統(tǒng)（圖1）。該系統(tǒng)實現(xiàn)了在不改變外部刺激條件下，通過系統(tǒng)中阻值的調(diào)控來控制離子的積累和消散，有望實現(xiàn)傳感信號和存儲權(quán)重W的耦合。FMES系統(tǒng)可用于構(gòu)建神經(jīng)網(wǎng)絡(luò)，實現(xiàn)多種神經(jīng)形態(tài)計算任務(wù)，使手寫數(shù)字集的識別準(zhǔn)確度達到約95%（圖2）。此外，F(xiàn)MES系統(tǒng)可模擬人大腦的自適應(yīng)性，實現(xiàn)對相似目標(biāo)數(shù)據(jù)集的自適應(yīng)識別，經(jīng)過訓(xùn)練后的自適應(yīng)識別準(zhǔn)確率可達80%左右（圖3），避免重新計算造成的時間和能量損失。未來研究可以此成果為基礎(chǔ)，結(jié)合不同類型傳感器片上集成，進一步實現(xiàn)多模態(tài)感算一體架構(gòu)。

　　相關(guān)研究成果以Neuromorphic-Computing-Based Adaptive Learning Using Ion Dynamics in Flexible Energy Storage Devices為題，發(fā)表在National Science Review上。

　　論文鏈接 

　　圖1.基于可調(diào)柔性能量存儲裝置（FMES）系統(tǒng)的新型感算集成系統(tǒng)。a、生物突觸的結(jié)構(gòu)，b、FMES裝置示意圖，c、FMES裝置的光學(xué)圖像，d、讀和寫操作解耦的原理圖和相應(yīng)的電路圖，e、不同電壓脈沖下的突觸后電流。

　　圖2.神經(jīng)形態(tài)計算的準(zhǔn)確性。a、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；b、由FMES器件組成的硬件神經(jīng)網(wǎng)絡(luò)；c、在初始和訓(xùn)練的各種阻力狀態(tài)下突觸權(quán)重的數(shù)字映射；d、100個訓(xùn)練周期的分類準(zhǔn)確率，F(xiàn)MES設(shè)備PSV分布情況：培訓(xùn)前（e）和培訓(xùn)后（f）。