人工神经元的计算速度或远超人类大脑

1月26日，刊登自Science Advances杂志上的一篇研究报告中，来自美国国家标准与技术研究所的研究人员开发出了一种以神经元为模型的超导计算芯片，相比人类大脑而言，其能够更加高效快速地对信息进行加工处理，这或许将成为科学家们开发先进计算设备来设计模仿生物系统的一项主要基准，尽管在其商用之前还存在许多障碍，但这项研究为更多自然机器学习软件打开了一扇大门。

如今，人工智能软件能够越来越多地开始模仿人类大脑，而诸如谷歌公司的自动图像分类和语言学习程序等算法也能够利用人工神经元网络来进行复杂的任务，但因为常规的计算机软件不能被设计地运行大脑一样的算法，因此相比人类大脑而言，这些机器学习就需要更多的运算能力。

物理学家Michael Schneider表示，肯定会有更好的方法，因为大自然都能够找到更好的办法（意指人类起源），如今美国国家标准与技术研究所的研究团队正是其中一个研究团队，他们想通过研究开发能够模拟人类大脑的神经形态硬件（Neuromorphic Hardware），同时研究人员希望这种神经形态硬件能够更加有效地运行大脑样的软件，在常规的电子系统中，晶体管常常会以一定的间隔和精确的数量来处理信息（二进制数字0或1），但神经形态硬件则能够从多个来源积累少量的信息，并且改变这些信息使其产生一种不同类型的信号，并在需要的时候发射一股电力，就好像神经元放电那样，因此这种神经形态硬件则会需要更少的能量来运行。

“小心空隙”

然而这些设备如今还是无效的，尤其是在晶体管之间当其跨越间隙或突触来传递信息时，因此研究者Schneider的研究团队就利用铌超导体制造出了神经元样的电极，其可以在无阻力的情况下进行导电，随后研究人员利用数千个磁性锰纳米晶簇填补了超导体之间的空隙。

通过改变突触中磁场的数量，这些纳米晶簇就可以在不同方向上对齐，这就能够在电力水平和磁性方向上促进该系统对信息进行编码，从而就会赋予该系统比其它神经系统更为强大的计算能力，同时还不会占据额外的物理空间。

这些突触每秒可以放电10亿次，其要比人类神经元的速度快几个数量级，同时该系统所消耗的能量仅为生物性突触消耗能量的万分之一；在计算机的模拟过程中，当其传递到下一个电极之前，合成性的神经元就能通过最多9个来源来核对输入信息，但当基于该技术的系统用于复杂计算之前，成千上万个突触就显得非常必要了，研究人员表示，如今是否能够扩大到这个水平还有待于进一步研究分析。

另外一个问题就是，该突触只能在接近绝对零度的温度下运行，同时需要用液氮来冷却，来自曼彻斯特大学的计算机工程师Steven Furber说道，这可能就会使芯片在小型设备中变得不再实用，尽管大型数据中心可能能够对其进行维护；但研究者Schneider表示，相比操作一个具有相当数量计算能力的传统电子系统而言，对该设备进行冷却或许仅需要少量的能量。替代方法

来自加州理工学院的电气工程师Carver Mead赞扬了这项研究，他把这项研究称之为神经形态计算的新方法，Carver Mead说道，目前在该领域中充满了炒作，我们很高兴能够看到质量工作能够以客观的方式呈现出来，他还补充道，在芯片用于真正计算之前或许还需要一段很长的时间，目前研究者们面临着来自许多其它神经形态计算设备的激烈竞争和挑战。

研究者Furber强调道，这种新型设备的实际应用前景非常广阔，同时这种设备技术也非常有趣，但如今我们还不能充分了解这些生物突触的关键特性，也并不知道如何更加有效地利用它们，比如，目前我们面临着很多需要解决的问题，即当记忆形成过程中这些突触如何重塑自己？这就使得研究人员很难在记忆存储芯片中重新创建这个过程。

最后研究者表示，一种新型计算设备进入市场需要10年甚至更长时间，尽管神经科学家们很难理解人类的大脑，但他们非常有必要开发出尽可能多的不同的技术手段。

参考资料：

【1】Artificial neurons compute faster than the human brain

【2】Ultralow power artificial synapses using nanotextured magnetic Josephson junctions

Science Advances    DOI: 10.1126/sciadv.1701329

文章来源：生物谷