大脑在需要很少能量的同时学习和记忆大量信息的能力激发了整个领域追求类似大脑或神经形态的计算机。斯坦福大学和桑迪亚国家实验室的研究人员之前开发了这种计算机的一部分：一种充当人工突触的装置，模仿神经元在大脑中的通信方式。
在4月25日由科学杂志在线发表的一篇论文中，该团队报告说，这些设备中的9个的原型阵列在处理速度，能效，再现性和耐久性方面表现甚至优于预期。
展望未来，团队成员希望将他们的人工突触与传统电子设备相结合，他们希望这可能是支持小型设备上人工智能学习的一步。
“如果你的记忆系统能够以我们提出的能源效率和速度来学习，那么你可以把它放在智能手机或笔记本电脑中，”该论文的合着者和该研究生的研究生Scott Keene说。 Alberto Salleo实验室，斯坦福大学材料科学与工程教授，共同资深作者。“这将开启对我们自己的网络进行培训并在我们自己的设备上本地解决问题的能力，而无需依靠数据传输来实现这一目标。”
电池坏了，突触很好
该团队的人工突触类似于电池，经过修改，以便研究人员可以拨打或关闭两个终端之间的电流。这种电流模仿了大脑中的学习方式。这是一种特别有效的设计，因为数据处理和内存存储发生在一个动作中，而不是更传统的计算机系统，其中数据首先被处理然后被移动到存储。
了解这些设备如何在阵列中执行是至关重要的一步，因为它允许研究人员同时编程多个人工突触。这比逐个编程每个突触并且与大脑实际工作方式相当的时间要少得多。
在先前版本的该设备的先前测试中，研究人员发现他们的处理和记忆动作所需的能量是最先进的计算系统所需的能量的十分之一，以便执行特定的任务。尽管如此，研究人员担心所有这些设备在较大阵列中协同工作的总和可能会产生过多的功率。因此，他们重新设计每个设备以减少电流 - 使电池更糟糕，但使阵列更节能。
3乘3阵列依赖于第二种类型的设备 - 由马萨诸塞大学的阿瑟斯特的Joshua Yang开发，他是该论文的共同作者 - 作为阵列中突触编程的开关。
“接线所需的大量故障排除和大量电线。我们必须确保所有阵列组件都能协同工作，”Salleo实验室的博士后学者Armantas Melianas说。“但是当我们看到一切都亮起来时，它就像一棵圣诞树。那是最激动人心的时刻。”
在测试过程中，阵列的性能超出了研究人员的预期。它以如此快的速度运行，团队预测下一版本的这些设备需要使用特殊的高速电子设备进行测试。在测量了3×3阵列的高能效后，研究人员对大型1024×1024突触阵列进行了计算机模拟，并估计它可以使用目前用于智能手机或小型无人机的相同电池供电。研究人员还能够将设备切换超过十亿次 - 这是其速度的另一个证明 - 没有看到其行为的任何退化。
“事实证明，聚合物装置，如果你能很好地对待它们，可以像传统的硅制造一样具有弹性。从我的观点来看，这可能是最令人惊讶的方面，”Salleo说。“对我来说，它改变了我对这些聚合物设备的可靠性以及我们如何使用它们的看法。”
创造力的空间
研究人员还没有将他们的阵列提交给测试，这些测试决定了它的学习效果，但这是他们计划学习的东西。该团队还希望了解他们的设备如何能够承受不同的条件 - 例如高温 - 以及将其与电子设备集成。还有许多基本问题需要回答，这些问题可以帮助研究人员准确理解为什么他们的设备表现如此出色。
“我们希望有更多的人开始研究这种类型的设备，因为没有多少团体关注这个特定的架构，但我们认为它非常有前景，”Melianas说。“仍然有很大的改进空间和创造力。我们只是触及表面。”
