ORNL的纳米材料科学中心的研究人员展示了基于脂质仿生膜的电容的第一个例子，开启了非数字化的先进的类脑计算路线。资料来源:米歇尔·雷曼/美国能源部橡树岭国家实验室

 

能源部橡树岭国家实验室、田纳西大学和德州农工大学的研究人员展示了一种仿生装置，它可以加速神经形态或类脑计算的进程。

 

发表在《自然通讯》上的研究成果是基于脂质的“记忆电容”的第一个例子，它是一种具有记忆的电荷存储组件，处理信息的方式就像大脑中的突触一样。他们的发现可能会支持以生物学为模型的计算网络的出现，为机器学习提供一种感官方法。

 

“我们的目标是开发材料和计算元素,就像生物突触和神经细胞,巨大的互联性和灵活性,使自治系统不同于当前的计算设备和运作提供了新的功能和学习能力,”Joseph Najem说最近ORNL的纳米材料科学中心的博士后研究员,美国能源部科学办公室用户设备,他现在是宾州州立大学机械工程的助理教授。

 

这种新方法使用软材料来模拟生物膜，并模拟神经细胞之间的通讯方式。

 

该团队设计了一种人造细胞膜，在油中的两个涂脂水滴的界面上形成，以探索这种材料的动态、电生理特性。在施加电压时，电荷在膜的两边积聚，作为储能，类似于传统电路中的电容器工作方式。

 

但与普通电容不同的是，记忆电容可以“记住”先前施加的电压，并能塑造信息的处理方式。合成膜的表面积和厚度取决于电的活动。这些变形膜可以调谐为适应过滤器的特定生物物理和生化信号。

 

“这种新功能为非数字信号处理和模仿自然的机器学习开辟了道路，”ORNL的Pat Collier说，他是CNMS的研究科学家。

 

所有数字计算机的一个显著特征是处理和存储分离。信息从硬盘驱动器和中央处理器来回传输，无论硬件有多小或多快，都在架构中造成了固有的瓶颈。天富平台如何？

 

神经形态计算以神经系统为模型，采用的架构在记忆和信号处理共同位于记忆元素——忆阻器、忆电容和忆电感上有根本的不同。

 

这些“记忆元素”构成了模拟自然信息处理、学习和记忆的系统的突触硬件。

 

科利尔表示，使用memelement设计的系统在可伸缩性和低功耗方面具有优势，但真正的目标是开辟一条通向人工智能的替代道路。

 

利用生物学可以实现新的计算可能性，特别是在“边缘计算”领域，比如不连接到云的可穿戴和嵌入式技术，而是根据感官输入和过去的经验进行即时决策。

 

经过数十亿年的进化，生物感知系统已经发展成为一种高度敏感的系统，细胞膜上的感受器能够识别出特定气味或味道的单个分子。科利尔说:“这在数字技术上是无法比拟的。”天富平台如何？

 

数字计算是建立在数字信息，二进制语言的1和0在电子电路中运行。它可以模拟人脑，但它的固态部件不能像人脑那样计算感知数据。

 

科利尔说:“大脑通过神经网络的突触计算感官信息，神经网络是可重构的，并通过学习形成。”“结合生物学——利用感知生物电化学信息的生物膜——是开发神经形态计算功能的关键。”

 

虽然memelements的许多固态版本已经被证明，但该团队的仿生元件为潜在的“尖峰”神经网络提供了新的机会，这种神经网络可以以自然的方式计算自然数据。

 

尖峰神经网络的目的是模拟神经元电位尖峰的方式，如果信号足够强，就通过突触将其传递给相邻的神经元，开辟出随着时间推移而被修剪的学习路径以提高效率。

 

模拟数据处理的仿生版本是一个遥远的目标。目前的早期研究主要集中在生物电路元件的开发上。