麻省理工学院的工程师们设计了一种 "芯片上的大脑"，它比一张纸屑还小，由数以万计的人工大脑突触组成，这些突触被称为memristor，以硅为基础的元件，可以模仿人脑中的信息传递突触。 

　　研究人员借鉴了冶金学的原理，用银和铜的合金以及硅来制造每个memristor。当他们通过几个视觉任务运行该芯片时，该芯片能够 "记住 "存储的图像并多次重现，与现有的非合金元素制造的memristor设计相比，其版本更加清晰和干净。 

　　他们的研究结果近日发表在《Nature Nanotechnology》杂志上，展示了一种很有前途的神经形态设备的新型膜电阻设计，基于一种新型电路的电子器件，这种电路以模仿大脑神经结构的方式处理信息。这种受大脑启发的电路可以被构建在小型、便携的设备中，并将执行复杂的计算任务，而这些任务只有当今的超级计算机才能处理。 

　　"到目前为止，人工突触网络是作为软件存在的。我们正在尝试为便携式人工智能系统构建真正的神经网络硬件，"麻省理工学院机械工程副教授Jeehwan Kim说。"想象一下，将一个神经形态设备连接到汽车上的摄像头，让它识别灯光和物体并立即做出决定，而无需连接到互联网。我们希望使用节能型的记忆体，在现场实时完成这些任务。" 

　　Memristors，或称记忆晶体管，是神经形态计算中的一个重要元素。在神经形态设备中，一个记忆晶体管将作为电路中的晶体管，尽管它的工作原理更接近于大脑突触（两个神经元之间的交界处）。突触接收来自一个神经元的信号，以离子的形式，并发送相应的信号到下一个神经元。 

　　传统电路中的晶体管通过在两个值（0和1）中的一个值之间切换来传输信息，并且只有当它接收到的信号（以电流的形式）具有特定强度时才会这样做。相比之下，memristor的工作原理是有梯度的，很像大脑中的突触。它所产生的信号将根据其接收的信号强度而变化。这将使一个单一的memristor有许多值，因此进行比二进制晶体管更广泛的操作。 

　　就像大脑突触一样，一个memristor也能够 "记住 "与给定电流强度相关的值，并在下一次收到类似电流时产生完全相同的信号。这可以确保一个复杂方程的答案，或一个物体的视觉分类是可靠的，这通常涉及多个晶体管和电容器的壮举。 

　　最终，科学家们设想，与传统的晶体管相比，memristors所需的芯片空间要小得多，从而实现强大的便携式计算设备，而无需依赖超级计算机，甚至无需连接到互联网。 

　　然而，现有的memristor设计在性能上受到限制。单个膜电阻是由一个正极和负极组成，由一个 "开关介质 "或电极之间的空间分隔。当电压被施加到一个电极上时，来自该电极的离子流过介质，形成一个 "传导通道 "到另一个电极。接收到的离子构成了膜电阻在电路中传输的电信号。离子通道的大小（以及膜电阻最终产生的信号）应该与刺激电压的强度成正比。 

　　Kim说，现有的膜电阻设计在电压刺激大的传导通道，或者离子大量从一个电极流向另一个电极的情况下工作得相当好。但当膜电阻需要通过更薄的传导通道产生更细微的信号时，这些设计就不那么可靠了。 

　　通道越薄，从一个电极到另一个电极的离子流越轻，单个离子就越难保持在一起。相反，它们往往会从群体中游离出来，在介质中解体。因此，当用一定的低电流范围刺激时，接收电极很难可靠地捕捉到相同数量的离子，从而传输相同的信号。 

　　"传统上，冶金学家试图将不同的原子添加到散装基体中以强化材料，我们想，为什么不调整我们的memristor中的原子相互作用，并添加一些合金元素来控制离子在我们的介质中的移动，"Kim说。 

　　工程师通常使用银作为膜电阻的正极材料。Kim的团队通过查阅文献，寻找一种可以与银结合的元素，以有效地将银离子聚集在一起，同时让它们快速流向另一个电极。该团队将铜作为理想的合金元素，因为它既能与银结合，又能与硅结合。"它作为一种桥梁，并稳定了银硅界面，"Kim说。 

　　为了使用他们的新合金制造记忆体，该小组首先用硅制造了一个负电极，然后通过沉积少量的铜制造了一个正电极，接着又沉积了一层银。他们将这两个电极夹在非晶硅介质周围。通过这种方式，他们图案化地制作了一个毫米见方的硅芯片，里面有数万个膜电阻。 

　　作为芯片的第一次测试，他们重新制作了美国队长盾牌的灰度图像。他们将图像中的每个像素等同于芯片中的一个相应的膜电阻。然后，他们对每个膜管的电导进行调制，其强度与相应像素的颜色相对。与其他材料制成的芯片相比，该芯片产生了同样清晰的屏蔽图像，并且能够 "记住 "该图像并多次重现。 

　　该团队还通过图像处理任务来运行该芯片，对记忆体进行编程，以改变图像，在这个案例中，麻省理工学院的Killian Court，以几种特定的方式，包括锐化和模糊原始图像。同样，他们的设计比现有的memristor设计更可靠地产生了重新编程的图像。 

　　"我们正在使用人工突触来做真正的推理测试，"Kim说。"我们希望进一步发展这项技术，拥有更大规模的阵列来做图像识别任务。而有一天，你也许可以随身携带人工大脑来完成这类任务，而无需连接到超级计算机、互联网或云端。"