高可靠性人工突觸半導體器件問世

南韓科學技術研究院（KIST）神經形態工程中心研究團隊宣佈開發出一種能進行高度可靠神經形態計算的人工突觸半導體器件，解決了神經形態半導體器件憶阻器長期存在的模擬突觸特性、可塑性和資訊保存方面的局限。研究成果近日發表在《自然·通訊》雜誌上。

模倣人腦的神經擬態計算系統技術應運而生，克服了現有馮諾依曼計算方法功耗過大的局限。實現使用大腦資訊傳輸方法的半導體器件需要一種能表達各種突觸連接強度的高性能模擬人工突觸裝置。當神經元産生尖峰信號時，這種方法使用神經元之間傳輸的信號。

KIST團隊微調了活性電極離子的氧化還原特性，以解決阻礙現有神經形態半導體器件性能的小突觸可塑性。研究團隊在突觸裝置中摻雜和使用各種過渡金屬，以控制活性電極離子的還原概率。研究發現，離子的高還原概率是開發高性能人工突觸裝置的關鍵變數。

因此，研究團隊將具有高離子還原概率的鈦過渡金屬引入現有的人工突觸裝置中。這保持了突觸的模擬特性和生物大腦突觸處的設備可塑性，大約是高電阻和低電阻之間差異的5倍。此外，他們開發了一種高性能的神經形態半導體，其效率大約提高了50倍。

此外，由於摻雜鈦過渡金屬的高合金形成反應性，與現有的人工突觸裝置相比，資訊保留率提高了63倍。此外，包括長期增強和長期抑鬱的大腦功能可更精確地模擬。

該團隊使用開發的人工突觸設備實現了人工神經網路學習模式，並嘗試了人工智慧圖像識別學習。結果，與現有的人工突觸裝置相比，錯誤率降低了60%以上；此外，手寫圖像模式識別準確率提高了69%以上。研究團隊通過這種改進的人工突觸裝置證實了高性能神經形態計算系統的可行性。

研究人員表示，這項研究極大地改善了突觸的運動範圍和資訊保存，這是現有突觸模擬的最大技術障礙。新開發的人工突觸裝置表達突觸各種連接強度的模擬運算區域得到了最大化，因此基於大腦模擬的人工智慧計算的性能將得到提升。

【總編輯圈點】

人腦的學習和記憶能力，來自近千億個神經元與突觸互連的複雜網路。受大腦認知的啟發，神經形態計算應運而生，並以效倣生物的神經網路為目標。在本研究中，改進的人工突觸顯示出類腦人工智慧的基本要素，且具有優於馮諾依曼架構性能的潛力。但最終，它還需兼具高可擴展性和成本效益，才可以真正為開發有高級認知功能的神經形態智慧電腦鋪路。