Small:多感知反馈人工突触器件与类脑神经网络

近年来类脑计算(neuromorphic computing)方兴未艾。类脑计算借鉴大脑对外界信息的高效处理方式,在信息处理硬件单元及软件算法等多个层面,模拟生物神经形态,通过形成具有类似生物体神经系统的高度连通性的信息处理加工功能单元,以克服现有信息处理中系统能耗过高和运行速率过低等问题,从而突破信息处理能力不足的瓶颈。而当前基于人工突触器件的神经形态应用已经逐步从简单的生物突触行为仿生向复杂的神经形态计算发展。

在生物神经系统中,神经元(Neurons)是大脑信息感知和处理的基本单元,而人脑中的突触(Synapses)则是神经元间相互联系的重要功能部位。人类大脑中大约有1000亿个神经元,每个神经元通过约1000~10000个突触与其他神经元相连。神经元通过突触进行复杂的连接,形成神经回路,从而构建出一个复杂的神经网络系统。在类脑计算的研究探索中,需要在器件层面模拟神经元和神经突触功能,获得基本人工器件单元(如人工神经突触,神经元等)及其连接网络结构,并最终实现对类脑计算机进行信息刺激、学习与记忆,使其产生与人脑类似的智能。

突触可塑性(synaptic plasticity)是评估生物体学习与记忆功能的主要标准之一,其相关理论的应用在人工神经网络的构建中必不可少。而短期突触可塑性(short-term synaptic plasticity)与长期突触可塑性(long-term synaptic plasticity)又被认为是突触可塑性的两大重要表现形式。在与人脑类似的类脑计算中,信息传递是通过以电子器件为主要构建模块的人工突触来实现的。大量的研究工作极大地推动了该领域的发展,不同的材料和结构被尝试应用于突触器件的构建中,以获得类比于生物突触的高效工作性能。然而,新兴的人工突触器件在实现人工类脑计算网络的道路上仍然需要克服诸多难题,其中包括高集成度带来的器件小型化要求以及大规模并行计算与超低能耗间的平衡。另外,各类型器件在外界刺激下的仿生功能和器件性能各有优劣,器件性能仍需要持续优化。

新加坡国立大学Chen Wei教授和深圳大学时玉萌教授课题组对近年来人工突触器件的发展做了系统而深入的总结,针对人工突触对电,光,磁,力,温度等外界刺激的响应机制做了细致的归纳分析,具体包括(1)电场激励下的离子迁移,电子/空穴传输,相变,磁畴壁运动,铁电极化;(2)光刺激下的光生载流子传输和光诱导化学反应;(3)磁场激励下的磁电耦合效应;(4)压力刺激下的压电转换;(5)温度促进下的焦耳热效应(相关论文在线发表在Small(DOI:10.1002/smll.202001504)。文章在讨论了现有人工突触器件不同工作机制优缺点的同时,还对人工突触器件的发展在类脑计算领域中的作用及发展方向进一步展望。在系统分析多种器件结构和材料体系的人工突触器件工作机制及其在外界刺激下的突触可塑性行为基础上,文章提出,理想的人工突触器件不但需要具备较强的突触可塑性,还应在器件尺寸,能耗,保持力等方面具有优异的性能。在目前,灵敏度和能耗仍旧是评价人工神经网络性能的两个主要参数,而实现媲美大脑的类脑计算系统无疑需要多学科的融合以及更多的研究探索。