新材料助電阻器增效

    美國麻省理工學院研究團隊日前發佈消息稱，正着手推動提高一種人工模擬突觸的速度極限，以提升電阻器的效率。他們在製造過程中使用了一種實用的無機材料，使設備運行速度比以前的版本快一百萬倍，也比人腦中的突觸快約一百萬倍。

    研發人員稱，這種新開發的無機材料使電阻器非常節能。與早期版本的設備中使用的材料不同，新材料與矽製造技術兼容。這一變化使製造納米級設備成為可能，並可能為集成到深度學習應用的商業計算硬件鋪平道路。該裝置的工作機制是將最小的離子質子通過電化學方式，插入絕緣氧化物中，以調節其電子導電性。因為研究使用非常薄的設備，因此可通過使用強電場來加速這種離子的運動，並將這些離子設備推到納秒級的運行狀態。

    研發人員指出，這一設備極大地提高了神經網絡的訓練速度，同時大大降低了執行訓練的成本和能量。這可幫助科學家更快地開發深度學習模型，然後將其應用於自動駕駛汽車、欺詐檢測或醫學圖像分析等用途。研究人員描述稱，這不是一輛“更快的汽車”，而是一艘“宇宙飛船”。這一技術的關鍵元素是質子可編程電阻器，這些電阻以納米為單位排列成陣列，就像棋盤一樣。

    在人腦中，學習是由於神經元之間的連接（稱為突觸）的增強和減弱而發生的。深度神經網絡長期以來一直採用這種策略，新處理器則利用增加和減少質子電阻器的電導，實現模擬機器學習。為了開發這種超快速且高能效的可編程質子電阻器，研究人員尋找了不同的電解質材料——無機磷矽玻璃（PSG）。PSG能夠實現超快質子運動，還可承受非常強的脈衝電場。這一點非常關鍵，因為向設備施加更多電壓，可使質子以驚人的速度移動。

    研究人員表示，因為質子不會損壞材料，電阻器可運行數百萬次循環而不會損壞。這種新的電解質使可編程質子電阻器的速度比以前的設備快一百萬倍，且可在室溫下有效運行，這對於將其整合到計算硬件中非常重要。

    近年來，市場開發出的深度神經網絡規模越來越大，神經節點越來越多，參數也越來越複雜，這些都在推動人工智能變得更加“聰明”。但隨之而來的是，大型深度神經網絡的搭建成本和訓練成本十分高昂，能耗也不低。這對希望搭建自己的人工智能訓練模型的創業公司或小微企業來說，並非利好。研發人員指出，高能效質子可編程電阻器可以提高人工神經網絡的訓練速度，同時降低訓練的成本和能耗，人工智能的發展又多了一塊“鋪路石”。

    美    子