美国宾州大学2020年10月29日报道，随着传统计算的进展放缓，新的计算形式正在崭露头角。宾夕法尼亚州立大学一个工程师团队正试图开创一种计算方式，模仿大脑神经网络的效率，同时利用大脑的模拟性质。

现代计算是数字化的，由两种状态组成，即开-关或1和0。模拟计算机和大脑一样，有许多可能的状态。这就是打开或关闭电灯开关和将调光开关调到不同的照明量之间的区别。

团队负责人、宾夕法尼亚州立大学工程科学与力学助理教授Saptarshi Das表示，神经形态或大脑启发式计算已经研究了40多年。新的情况是，随着数字计算极限的局限，对高速图像处理的需求越来越大，例如自动驾驶汽车。大数据的兴起需要构架特别适合的模式识别类型，这是追求神经形态计算的另一个驱动力。

“我们拥有强大的计算机，这一点毋庸置疑，问题是你必须将内存存储在一个地方，并在其他地方进行计算，”Das说。

这些数据从内存到逻辑，再从逻辑到内存的穿梭需要耗费大量的能量，并降低了计算速度。此外，这种计算机架构还需要大量的空间。如果计算和内存存储能够位于同一空间，就可以消除这一瓶颈。

“我们正在创建人工神经网络，寻求模仿大脑的能量和面积效率，”Das小组的成员Thomas Schranghamer解释说。“人类大脑的结构非常紧凑，而一台现代超级计算机占用的空间有两三个网球场那么大。”

就像连接大脑中神经元的突触可以重新配置一样，该团队正在构建的人工神经网络可以通过对一片石墨烯（一原子厚的碳原子层）施加短暂的电场来重新配置。在这项工作中，他们展示了至少16种可能的记忆状态，而不是大多数基于氧化物的记忆电阻或记忆电阻中的两种状态。

“我们所展示的是，我们可以使用简单的石墨烯场效应晶体管精确控制大量的记忆状态，”Das说。

该团队认为，将这项技术提升到商业规模是可行的。随着许多最大的半导体公司积极追求神经形态计算，Das相信他们会发现这项工作很有意义。

来源：Nature Communications.