研究人员从人脑中获得灵感，开发了一种能够进行更高层次思考的新型突触晶体管
该设备由西北大学、波士顿学院和麻省理工学院的研究人员设计，与人脑一样，可以同时处理和存储信息。在新的实验中，研究人员证明，晶体管超越了简单的机器学习任务来对数据进行分类，并且能够执行联想学习
尽管之前的研究利用了类似的策略来开发类脑计算设备，但这些晶体管在低温之外无法工作。相比之下，这种新设备在室温下是稳定的。它的运行速度也很快，能耗很低，即使断电也能保留存储的信息，非常适合现实世界的应用
这项题为“具有室温神经形态功能的Moiré突触晶体管”的研究于12月20日发表在《自然》杂志上
西北大学的Mark C.Hersam是这项研究的共同负责人，他说：“大脑的结构与数字计算机有着根本不同。”
“在数字计算机中，数据在微处理器和存储器之间来回移动，这会消耗大量能量，并在试图同时执行多项任务时造成瓶颈。另一方面，在大脑中，存储器和信息处理位于同一位置并完全集成，从而使能效提高几个数量级。我们的突触晶体管也类似实现了并发的记忆和信息处理功能，以更忠实地模拟大脑。“
赫萨姆是沃尔特·p。Murphy西北大学麦考密克工程学院材料科学与工程教授。他还是材料科学与工程系主任、材料研究科学与工程中心主任和国际纳米技术研究所成员。Hersam与波士顿学院的马琼和麻省理工学院的Pablo Jarillo Herrero共同领导了这项研究
人工智能的最新进展促使研究人员开发出更像人脑的计算机。传统的数字计算系统具有独立的处理和存储单元，导致数据密集型任务消耗大量能量。随着智能设备不断收集大量数据，研究人员正争先恐后地寻找新的方法来处理这些数据，而不需要消耗越来越多的电力
目前，记忆电阻器或“忆阻器”是最发达的技术，可以执行组合处理和记忆功能。但忆阻器仍面临着能源成本高昂的切换问题
赫萨姆说：“几十年来，电子学的范式一直是用晶体管制造所有东西，并使用相同的硅架构。”
“通过简单地将越来越多的晶体管封装到集成电路中，已经取得了重大进展。你不能否认这一战略的成功，但它是以高功耗为代价的，尤其是在当前的大数据时代，数字计算正朝着压倒电网的方向发展。我们必须重新思考计算硬件，尤其是人工智能和机器学习任务。“
为了重新思考这一范式，Hersam和他的团队探索了莫尔图案物理学的新进展，莫尔图案是一种几何设计，当两个图案叠放在一起时就会出现。当二维材料堆叠时，新的特性就会出现，而不仅仅存在于一层中。当这些层被扭曲形成莫尔图案时f电子性质成为可能
对于新设备，研究人员结合了两种不同类型的原子薄材料：双层石墨烯和六方氮化硼。当堆叠并有意扭曲时，材料会形成莫尔图案。通过使一层相对另一层旋转，研究人员可以在每个石墨烯层中实现不同的电子特性，即使它们仅以原子尺度的尺寸分开。通过正确选择扭曲，研究人员利用莫尔物理学在室温下实现神经形态功能
“扭曲作为一个新的设计参数，排列的数量是巨大的，”Hersam说。“石墨烯和六方氮化硼在结构上非常相似，但差异足以产生异常强烈的莫尔效应。”
为了测试晶体管，Hersam和他的团队训练它识别相似但不完全相同的模式。2023年早些时候，Hersam推出了一种新的纳米电子设备，能够以节能的方式分析和分类数据，但他的新突触晶体管使机器学习和人工智能又向前迈进了一步
首先，研究人员向设备展示了一种模式：000（连续三个零）。然后，他们要求人工智能识别类似的模式，比如111或101。赫萨姆解释道：“如果我们训练它检测000，然后给它111和101，它就知道111与000比101更相似。”。“000和111并不完全相同，但都是连续的三个数字。识别相似性是一种更高级的认知形式，称为联想学习。”
在实验中，这种新型突触晶体管成功地识别了类似的模式，显示了其联想记忆。即使研究人员抛出曲球——比如给出不完整的模式——它仍然成功地展示了联想学习。
Hersam说：“当前的人工智能很容易混淆，在某些情况下会导致重大问题。”。“想象一下，如果你使用的是自动驾驶汽车，而天气状况恶化。汽车可能无法像人类驾驶员那样解释更复杂的传感器数据。但即使我们给晶体管提供了不完美的输入，它仍然可以识别出正确的响应。”
想要了解更多关于脑机接口技术的内容，请关注脑机网，我们将定期发布最新的研究成果和应用案例，让您第一时间了解脑机接口技术的最新进展。
