导读
据俄罗斯莫斯科物理技能学院官网近日报道,该校研究人员创造出一种称为“二阶忆阻器”的氧化铪基新型器件。它可以像大脑中的突触一样存储信息,并逐渐遗忘长时间未被访问的信息。
背景
人脑具有极其强大的记忆与盘算本事,其复杂水平和处置惩罚本事远远高出最先进的超等盘算机。那么,大脑中如此强大的盘算本事是如何而来的呢?
简朴说,人脑有两个重要组成部分:神经元与突触。大脑举行盘算时,会在神经元之间通报电化学信号。这些信号的传输受到一个关键连接布局的控制,这个布局就是突触。
下图所示:生物神经网络中的神经元与突触。
(图片泉源:Aleksandr Kurenkov 与 Shunsuke Fukami)
突触的感受本事决定了突触后神经元是否会对信号作出响应。如果信号不敷强,突触后神经细胞将不会作出响应。发送的信号越多,突触的感受力就会越强,这样就使突触具备了学习本事。
与传统盘算机相比,大脑优势显着,它不但可并行地处置惩罚和存储大量数据,而且能耗极低。大脑处于全方位的互联状态,其中的逻辑和记忆功能细密关联,其密度和多样性均是现代盘算机的数十亿倍。
神经盘算机就是在模拟人脑的工作方式。它代表了未来人工智能的重要发展方向,将具备类似人脑的智慧和机动性。
基于光线的类脑芯片示意图。(图片泉源:Johannes Feldmann)
大多数的神经盘算机都采取传统的数字架构,并采取数学模型提出虚拟的神经元与突触。然而另一种选择就是,用某种真实芯片上的电子元器件代表网络中的每个神经元与突触。这种所谓的模拟方案,有望急剧提升运算速度并低沉功耗。
一种假定的模拟神经盘算机 的焦点元器件就是忆阻器。忆阻器(memristor)这个词,是由“记忆(memory)”与“电阻(resistor)”两个词组合而成,这个词根本上概括地说明白这个元器件是什么。
忆阻器的电阻会随着通过它的电流而厘革,就算电路断电,电流停止,其电阻值仍然会被保存,直到有反向电流畅过期才会恢复原状。控制电流的厘革可改变其阻值,如果把高阻值界说为“1”,低阻值界说为“0”,这种电阻就可以实现存储数据的功能。
忆阻器,可以或许模拟神经突触的功能,并在能耗和尺寸方面都具备优势。之前,笔者先容过许多有关忆阻器的研究案例,比方荷兰格罗宁根大学的物理学家采取掺杂铌的钛酸锶(niobium-doped strontium titanate)制成的忆阻器,模拟神经突触与神经元的工作方式。
如下图所示,左:大脑一小部分的简化表现,神经元通过突触吸收、处置惩罚、通报信号。右:交织线阵列,使用这些器件实现的一种架构。忆阻器,就像大脑中的突触,可以改变导电性,使得连接变弱或变强。
(图片泉源:功能质料自旋电子学研究小组,格罗宁根大学)
然而,这里有一个玄机:在真实的大脑中,生动的突触随着时间推移而增强,不生动的突触恰恰相反。这种称为“突触可塑性”的现象是自然学习与记忆的根本之一。它表明白“考试前死记硬背会有效果”以及“我们很少打仗的记忆逐渐消失”的生物学原因。
2015年提出的二阶忆阻器,就是复制自然记忆连同突触可塑性的一次实验。实现这一点的首个机制就需要形成超过忆阻器的纳米级导电桥。当电阻开始下降时,它们随着时间推移自然地衰退,模拟遗忘的过程。
创新
俄罗斯莫斯科物理技能学院(MIPT)神经盘算系统实验室的论文向导作者 Anastasia Chouprik 表现:“这个办理方案的问题在于,器件会随着时间推移改变其行为,并在长期运行之后产生故障。我们实现突触可塑性所采取的机制更加结实。实际上,在切换系统状态千亿次之后,它仍然可以正常工作,所以我的同事们停止了长期测试。”
俄罗斯莫斯科物理技能学院的研究人员创造出一种称为“二阶忆阻器”的氧化铪基新型器件,它可以像“在世的大脑”中的突触一样存储信息,并逐渐遗忘长时间未被访问的信息。这个器件为设计模拟生物大脑学习方式的模拟神经盘算机带来了希望。这些研究发现发表在《美国化学学会-应用质料与界面(ACS Applied Materials & Interfaces)》期刊上。
芯片上的大脑。(图片泉源:Elena Khavina/MIPT新闻办公室)
技能
俄罗斯莫斯科物理技能学院的团队用氧化铪取代纳米桥来模拟自然记忆。这种质料是铁电的:它的内部束缚电荷分布(电极化)会响应外部电场而产生厘革。如果随后电场被撤消了,质料会保存它获取的极化,就像铁磁体保持磁性一样。
物理学家们用一个铁电隧道结(氧化铪薄膜夹在两个电极之间,如图1右半部分所示)实现了他们的二阶忆阻器。该器件可以通过电脉冲在高低电阻状态之间切换,这些电脉冲改变了铁电薄膜的极化以及电阻。
图1:左图展示了生物大脑中的一个突触,也是右图中人工模拟物的灵感泉源。右图是用铁电隧道坚固现的忆阻器,即夹在氮化钛电极(蓝色线)和硅衬底(海蓝色)之间的氧化铪薄膜(粉赤色),硅衬底的另一个脚色就是第二个电极。通过改变氧化铪的极化,电脉冲使忆阻器在高低电阻之间切换,从而改变其导电性。
(图片泉源:Elena Khavina/MIPT新闻办公室)
Chouprik 增补道:“我们面对的主要挑战就是,盘算出适当的铁电层厚度。四纳米被证明是最符合的。如果薄膜变薄一纳米,铁电性就会消失;如果薄膜变厚,就会成为太宽的屏障,以至于电子无法隧穿。而我们只能通过调解隧穿电流劳迫椿极化。”
代价
氧化铪相比于其他铁电质料(比方钛酸钡)的优势在于,它已经在当前的硅技能中使用。比方,自2007年起,英特尔公司就开始制造基于铪化合物的芯片。这就使得引入铪基器件,比方这篇文章中所报道的忆阻器,变得比采取全新质料制造的器件更加容易且自制。
在这个非凡的创举中,研究人员们通过使用硅与氧化铪之间界面上的缺陷实现了“遗忘”。对于铪基微处置惩罚器来说,这些缺陷被视为一种损害,工程师们必须想办法将其他元素参加化合物中来制止这些缺陷。然而,俄罗斯莫斯科物理技能学院的团队却使用了这些缺陷,它们使忆阻器的导电性随着时间推移而消亡,就像自然的记忆一样。
未来
论文第一作者 Vitalii Mikheev 分享了团队的未来筹划:“我们想要研究切换电阻的各种机制之间的相互影响。效果是,铁电效应大概并不是唯一涉及到的效应。为了进一步改善这些器件,我们将需要区分这些机制,并学会联合它们。”
物理学家们称,他们将继承推进关于氧化铪特性的根本研究,使非易失性随机存取存储器单元变得更加可靠。团队也正在研究将他们的器件转移到柔性衬底上,应用于柔性电子产物。
其他
去年,研究人员们详细描述了向氧化铪薄膜施加电场是如何影响其极化的。正是这个过程,低沉了铁电忆阻器的电阻,模拟了生物大脑中突触的强化过程。
团队也在研究基于数字架构的神经形态盘算系统(参考资料【4】)。
关键字
神经形态盘算、忆阻器、突触
参考资料
【1】http://dx.doi.org/10.1021/acsami.9b08189
【2】https://pubs.acs.org/doi/10.1021/acsami.7b17482
【3】https://mipt.ru/english/news/mipt_physicists_create_device_for_imitating_biological_memory
【4】https://mipt.ru/english/news/first_russian_neural_net_processor
【5】https://www.rug.nl/sciencelinx/nieuws/2018/10/20181020_goossens