麻省理工學院的工程師們設計了一種 "芯片上的大腦"，它比一張紙屑還小，由數以萬計的人工大腦突觸組成，這些突觸被稱為memristor，以硅為基礎的元件，可以模仿人腦中的信息傳遞突觸。 

　　研究人員借鑒了冶金學的原理，用銀和銅的合金以及硅來制造每個memristor。當他們通過幾個視覺任務運行該芯片時，該芯片能夠 "記住 "存儲的圖像并多次重現，與現有的非合金元素制造的memristor設計相比，其版本更加清晰和干凈。 

　　他們的研究結果近日發表在《Nature Nanotechnology》雜志上，展示了一種很有前途的神經形態設備的新型膜電阻設計，基于一種新型電路的電子器件，這種電路以模仿大腦神經結構的方式處理信息。這種受大腦啟發的電路可以被構建在小型、便攜的設備中，并將執行復雜的計算任務，而這些任務只有當今的超級計算機才能處理。 

　　"到目前為止，人工突觸網絡是作為軟件存在的。我們正在嘗試為便攜式人工智能系統構建真正的神經網絡硬件，"麻省理工學院機械工程副教授Jeehwan Kim說。"想象一下，將一個神經形態設備連接到汽車上的攝像頭，讓它識別燈光和物體并立即做出決定，而無需連接到互聯網。我們希望使用節能型的記憶體，在現場實時完成這些任務。" 

　　Memristors，或稱記憶晶體管，是神經形態計算中的一個重要元素。在神經形態設備中，一個記憶晶體管將作為電路中的晶體管，盡管它的工作原理更接近于大腦突觸（兩個神經元之間的交界處）。突觸接收來自一個神經元的信號，以離子的形式，并發送相應的信號到下一個神經元。 

　　傳統電路中的晶體管通過在兩個值（0和1）中的一個值之間切換來傳輸信息，并且只有當它接收到的信號（以電流的形式）具有特定強度時才會這樣做。相比之下，memristor的工作原理是有梯度的，很像大腦中的突觸。它所產生的信號將根據其接收的信號強度而變化。這將使一個單一的memristor有許多值，因此進行比二進制晶體管更廣泛的操作。 

　　就像大腦突觸一樣，一個memristor也能夠 "記住 "與給定電流強度相關的值，并在下一次收到類似電流時產生完全相同的信號。這可以確保一個復雜方程的答案，或一個物體的視覺分類是可靠的，這通常涉及多個晶體管和電容器的壯舉。 

　　最終，科學家們設想，與傳統的晶體管相比，memristors所需的芯片空間要小得多，從而實現強大的便攜式計算設備，而無需依賴超級計算機，甚至無需連接到互聯網。 

　　然而，現有的memristor設計在性能上受到限制。單個膜電阻是由一個正極和負極組成，由一個 "開關介質 "或電極之間的空間分隔。當電壓被施加到一個電極上時，來自該電極的離子流過介質，形成一個 "傳導通道 "到另一個電極。接收到的離子構成了膜電阻在電路中傳輸的電信號。離子通道的大小（以及膜電阻最終產生的信號）應該與刺激電壓的強度成正比。 

　　Kim說，現有的膜電阻設計在電壓刺激大的傳導通道，或者離子大量從一個電極流向另一個電極的情況下工作得相當好。但當膜電阻需要通過更薄的傳導通道產生更細微的信號時，這些設計就不那么可靠了。 

　　通道越薄，從一個電極到另一個電極的離子流越輕，單個離子就越難保持在一起。相反，它們往往會從群體中游離出來，在介質中解體。因此，當用一定的低電流范圍刺激時，接收電極很難可靠地捕捉到相同數量的離子，從而傳輸相同的信號。 

　　"傳統上，冶金學家試圖將不同的原子添加到散裝基體中以強化材料，我們想，為什么不調整我們的memristor中的原子相互作用，并添加一些合金元素來控制離子在我們的介質中的移動，"Kim說。 

　　工程師通常使用銀作為膜電阻的正極材料。Kim的團隊通過查閱文獻，尋找一種可以與銀結合的元素，以有效地將銀離子聚集在一起，同時讓它們快速流向另一個電極。該團隊將銅作為理想的合金元素，因為它既能與銀結合，又能與硅結合。"它作為一種橋梁，并穩定了銀硅界面，"Kim說。 

　　為了使用他們的新合金制造記憶體，該小組首先用硅制造了一個負電極，然后通過沉積少量的銅制造了一個正電極，接著又沉積了一層銀。他們將這兩個電極夾在非晶硅介質周圍。通過這種方式，他們圖案化地制作了一個毫米見方的硅芯片，里面有數萬個膜電阻。 

　　作為芯片的第一次測試，他們重新制作了美國隊長盾牌的灰度圖像。他們將圖像中的每個像素等同于芯片中的一個相應的膜電阻。然后，他們對每個膜管的電導進行調制，其強度與相應像素的顏色相對。與其他材料制成的芯片相比，該芯片產生了同樣清晰的屏蔽圖像，并且能夠 "記住 "該圖像并多次重現。 

　　該團隊還通過圖像處理任務來運行該芯片，對記憶體進行編程，以改變圖像，在這個案例中，麻省理工學院的Killian Court，以幾種特定的方式，包括銳化和模糊原始圖像。同樣，他們的設計比現有的memristor設計更可靠地產生了重新編程的圖像。 

　　"我們正在使用人工突觸來做真正的推理測試，"Kim說。"我們希望進一步發展這項技術，擁有更大規模的陣列來做圖像識別任務。而有一天，你也許可以隨身攜帶人工大腦來完成這類任務，而無需連接到超級計算機、互聯網或云端。"