大腦在需要很少能量的同時學習和記憶大量信息的能力激發了整個領域追求類似大腦或神經形態的計算機。史丹福大學和桑迪亞國家實驗室的研究人員之前開發了這種計算機的一部分：一種充當人工突觸的裝置，模仿神經元在大腦中的通信方式。
在4月25日由科學雜誌在線發表的一篇論文中，該團隊報告說，這些設備中的9個的原型陣列在處理速度，能效，再現性和耐久性方面表現甚至優於預期。
展望未來，團隊成員希望將他們的人工突觸與傳統電子設備相結合，他們希望這可能是支持小型設備上人工智慧學習的一步。
「如果你的記憶系統能夠以我們提出的能源效率和速度來學習，那麼你可以把它放在智慧型手機或筆記本電腦中，」該論文的合著者和該研究生的研究生Scott Keene說。
Alberto Salleo實驗室，史丹福大學材料科學與工程教授，共同資深作者。「這將開啟對我們自己的網絡進行培訓並在我們自己的設備上本地解決問題的能力，而無需依靠數據傳輸來實現這一目標。」
電池壞了，突觸很好
該團隊的人工突觸類似於電池，經過修改，以便研究人員可以撥打或關閉兩個終端之間的電流。這種電流模仿了大腦中的學習方式。這是一種特別有效的設計，因為數據處理和內存存儲發生在一個動作中，而不是更傳統的計算機系統，其中數據首先被處理然後被移動到存儲。
了解這些設備如何在陣列中執行是至關重要的一步，因為它允許研究人員同時編程多個人工突觸。這比逐個編程每個突觸並且與大腦實際工作方式相當的時間要少得多。
在先前版本的該設備的先前測試中，研究人員發現他們的處理和記憶動作所需的能量是最先進的計算系統所需的能量的十分之一，以便執行特定的任務。儘管如此，研究人員擔心所有這些設備在較大陣列中協同工作的總和可能會產生過多的功率。因此，他們重新設計每個設備以減少電流 - 使電池更糟糕，但使陣列更節能。
3乘3陣列依賴於第二種類型的設備 - 由麻薩諸塞大學的阿瑟斯特的Joshua Yang開發，他是該論文的共同作者 - 作為陣列中突觸編程的開關。
「接線所需的大量故障排除和大量電線。我們必須確保所有陣列組件都能協同工作，」Salleo實驗室的博士後學者Armantas Melianas說。「但是當我們看到一切都亮起來時，它就像一棵聖誕樹。那是最激動人心的時刻。」
在測試過程中，陣列的性能超出了研究人員的預期。它以如此快的速度運行，團隊預測下一版本的這些設備需要使用特殊的高速電子設備進行測試。在測量了3×3陣列的高能效後，研究人員對大型1024×1024突觸陣列進行了計算機模擬，並估計它可以使用目前用於智慧型手機或小型無人機的相同電池供電。研究人員還能夠將設備切換超過十億次 - 這是其速度的另一個證明 - 沒有看到其行為的任何退化。
「事實證明，聚合物裝置，如果你能很好地對待它們，可以像傳統的矽製造一樣具有彈性。從我的觀點來看，這可能是最令人驚訝的方面，」Salleo說。「對我來說，它改變了我對這些聚合物設備的可靠性以及我們如何使用它們的看法。」
創造力的空間
研究人員還沒有將他們的陣列提交給測試，這些測試決定了它的學習效果，但這是他們計劃學習的東西。該團隊還希望了解他們的設備如何能夠承受不同的條件 - 例如高溫 - 以及將其與電子設備集成。還有許多基本問題需要回答，這些問題可以幫助研究人員準確理解為什麼他們的設備表現如此出色。
「我們希望有更多的人開始研究這種類型的設備，因為沒有多少團體關注這個特定的架構，但我們認為它非常有前景，」Melianas說。「仍然有很大的改進空間和創造力。我們只是觸及表面。」
