計算機芯片是人工智能（AI）的最重要方面之一。功能強大的小片段是自動圖像識別的基礎(chǔ)，并部分負責教會機器人如何進行某些活動，例如步行。隨著AI技術(shù)潛力的不斷增長，當今的計算機芯片必須既功能強大又經(jīng)濟實惠，但這是很難完成的事情。

由于傳統(tǒng)的微電子技術(shù)由于物理上的限制而只能進行最大程度的優(yōu)化，因此研究人員像往常一樣轉(zhuǎn)向人的大腦，以尋求如何更有效地處理和存儲信息的靈感。

德累斯頓工業(yè)大學和德累斯頓-羅斯森多夫Helmholtz-Zentrum（HZDR）的科學家們首次通過使用半導體材料成功地模仿了大腦神經(jīng)元的工作原理。這項研究發(fā)表在《自然電子》雜志上。

我們知道，今天最常用于提高微電子學性能的技術(shù)是減小組件尺寸。在硅計算機芯片的情況下，這種減小發(fā)生在單個晶體管上。

但研究人員說：“這不可能無限期地進行，我們需要新的方法?！?/p>

為此他們著手模擬大腦并創(chuàng)建可以結(jié)合數(shù)據(jù)處理和數(shù)據(jù)存儲的人工神經(jīng)元。

“我們的團隊在生物和化學電子傳感器方面擁有豐富的經(jīng)驗，”其中一個研究者Barbara說?！耙虼耍覀兪褂蒙飩鞲衅髟砟M了神經(jīng)元的特性，并修改了經(jīng)典的場效應(yīng)晶體管以創(chuàng)建人造神經(jīng)元晶體管。”

這種方法允許在一個組件內(nèi)同時進行存儲和信息處理。在當今最常用的晶體管技術(shù)中，這兩個過程是分開的，從而導致處理時間變慢和性能受到限制。

多年來，研究人員一直在研究基于人腦的計算機，但是很多都沒有成功。最初的嘗試涉及將神經(jīng)細胞與皮氏培養(yǎng)皿中的電子設(shè)備相連，但是正如德累斯頓工業(yè)大學材料科學與納米技術(shù)教授Gianaurelio Cuniberti所說的那樣，“必須一直供入的濕計算機芯片是對任何人都沒有用?！?/p>

但研究人員團隊最終成功實現(xiàn)了神經(jīng)晶體管。

“我們將粘性物質(zhì)（稱為溶膠凝膠）應(yīng)用于傳統(tǒng)的帶有電路的硅片。這種聚合物硬化并變成多孔陶瓷，” Cuniberti說。離子在孔之間移動。它們比電子重，激發(fā)后返回其位置的速度更慢。這種延遲被稱為磁滯現(xiàn)象，是導致存儲效應(yīng)的原因。單個晶體管被激勵得越多，它將越早打開并讓電流流動。這加強了連接。該系統(tǒng)正在學習?！?/p>

根據(jù)該團隊的說法，與精確到最后一個小數(shù)的計算相比，該芯片的精度較低，并且會估算數(shù)學計算。

“但是他們會更聰明，”庫尼貝蒂說。“例如，帶有這種處理器的機器人將學會走路或抓握；它會擁有一個光學系統(tǒng)，并學會識別連接。而這一切都無需開發(fā)任何軟件?！?/p>

這種計算機的另一個主要優(yōu)點之一是可塑性，使其可以在運行期間進行更改和適應(yīng)。就像人的大腦一樣，這意味著計算機最終可能會遇到并解決從未編程過的問題。