基于石墨烯的神经突触为大规模人工神经网络铺路

美国匹兹堡大学的科研人员研制出一种基于石墨烯的神经突触，可用于类似人类大脑的大规模人工神经网络。

自从20世纪50年代以来，数字计算几乎让各种形式的模拟计算都过时了。但是，仍存在一个例外——人脑，它能与最先进电子设备的计算能力相媲美。

数字电脑活在0和1的世界里，它们按顺序执行任务，按照固定的顺序执行算法的各个步骤。而人脑是神经元的密集网络，每个神经元与上万个神经元相连，通过突触持续地往返传递信息。每一次交换信息时，大脑就调节这些连接，构建有效通路，直接响应周遭环境。

美国匹兹堡大学斯万森工程学院（Swanson School of Engineering）的研究团队研发了一种“人造突触”，处理信息的方式不同于数字电脑，是模仿了人脑完成任务的模拟方法。研究人员将该成果发表在了新一期国际著名期刊《先进材料》（Advanced Materials）上。

“大脑具有模拟和大规模并行性的特质，这就部分解释了为什么在更高级别的认知功能方面人类能击败最强大的电脑，例如在复杂多变的数据集中进行语音识别或者图案识别。”研究人员指出。

现在出现了一个新兴领域，称为“神经计算”，聚焦于受人脑启发的计算化硬件的设计。该研究团队采用碳原子的二维蜂窝构型构建了基于石墨烯的人造突触。石墨烯的导电性能让研究人员能精确地调节其电导，这就是突触联系的优点。石墨烯突触表现出优异的能源效率，就像生物突触一样。

在人工智能的新一轮复苏中，计算机已经可以通过多种方式复制大脑，但是需要多个数字设备才能模仿一个模拟突触。人脑有数以兆计的突触来传递信息，所以要用数字设备来构建大脑显然不可能，或者说，需要的规模太大了。

匹兹堡大学的研究团队提供了一种实现大规模人工神经网络硬件的可能方法。据该团队，基于互补金属氧化半导体（complementary metal-oxide semiconductor, CMOS）的人工神经网络将会一直在能源效率、扩展性、存储密度方面功能受限。“我们提出了突触电子学的全新设备概念，具有模拟特性，节能、可扩展，适用于大规模集成。”研究人员说，“看上去，我们的石墨烯突触目前满足了所有这些要求。”

由于石墨烯固有的柔韧性和优异的力学性能，基于石墨烯的神经网络可用于灵活可穿戴电子设备，实现了“互联网边缘”的计算。互联网边缘是指传感器等能与真实世界接触的计算设备。

“哪怕只在可穿戴电子设备和传感器实现最基本的智能，我们都可以利用智能传感器追踪健康信息，提供预防护理和及时诊断，监测植物生长、发现潜在的病虫害，调节优化制造流程——这会提高我们社会的总生产力，提升生活品质。”研究人员表示。

开发具有模拟人脑功能的仿真脑仍然还需大量技术突破。研究人员需要找到合适的构型来优化这些新的人工突触。他们需要让这种突触与其他设备兼容才能构建神经网络，还需要确保大规模神经网络中的所有人工突触都以完全相同的方式工作。虽然存在这些挑战，研究人员表示对他们的研究方向很乐观。“我们对当前的进展感到激动，因为这可能会让节能的神经计算硬件变成现实，而当前的神经计算是在高耗能的图形处理器（GPU）集群中完成的。我们的人工突触具有灵活、能耗低的特点，使其成为了任何类型人工智能设备的合适选择，这将为我们的生活带来革新性改变，规模甚至比我们过去几十年见到的数字革命更大。”