受人類(lèi)大腦運行方式的啟發(fā)，IBM蘇黎世研究中心制成了世界上第一個(gè)人造納米級的隨機相變神經(jīng)元。并在其基礎上構建了由500個(gè)該神經(jīng)元組成的陣列，讓該陣列模擬人類(lèi)大腦的工作方式進(jìn)行信號處理。

這一突破十分值得關(guān)注，因為這種相變神經(jīng)元是由目前完全已知的材料組成，另外特別重要的是——這種相變神經(jīng)元的尺寸能縮減至納米級。而且它們的信號傳輸速度很快，功耗確很低。另外，如同生物神經(jīng)元一樣——這種相變神經(jīng)元是隨機的（stochasticity），它們能一直產(chǎn)生稍微不同的、隨機的結果。這些人工神經(jīng)元可以在低功率情況下用來(lái)檢測模式（pattern）以及發(fā)現大數據中的互相關(guān)聯(lián)情況，還能在花費極少能量的情形下進(jìn)行高速無(wú)監督學(xué)習。

讓我們來(lái)看一下這些相變神經(jīng)元如何構建的：

像生物神經(jīng)元一樣，IBM 所發(fā)明的人工神經(jīng)元也有輸入端（樹(shù)突）、圍繞信號發(fā)生器（胞體、細胞核）的神經(jīng)元細胞膜（磷脂雙分子層）和一個(gè)輸出端（軸突）。從脈沖電流發(fā)生器（spike generator）到輸入之間有一個(gè)反向傳播連接，可增強某些類(lèi)型的輸入信號。

這種人工神經(jīng)元和生物神經(jīng)元的主要區別是在神經(jīng)元細胞膜中，真正的神經(jīng)元細胞里面會(huì )是磷脂雙分子層，本質(zhì)上是用來(lái)充當電阻器和電容器——阻止電流直接通過(guò)，但同時(shí)又在吸收能量。當能量吸收到一定程度時(shí)，它就向外發(fā)射自己產(chǎn)生的信號。這信號沿著(zhù)軸突傳導被其他神經(jīng)元接收，這一過(guò)程不斷反復進(jìn)行。

在 IBM 的人工神經(jīng)元中，神經(jīng)元細胞膜被替換成了小塊的鍺銻碲復合材料（GST材料）。GST 材料是復寫(xiě)光碟的主要原料，也是一個(gè)相變材料。這意味著(zhù)它能以?xún)煞N不同的相存在（晶體相或非晶體相），通過(guò)加熱（激光或者電力）能輕松的在兩者間進(jìn)行轉換。相變材料因所在相不同，所具有的物理特性也相當不同：在 GST材料中非晶相不導電，晶體相卻導電。

在人工神經(jīng)元中，鍺銻碲薄膜起初是非晶體相的。隨著(zhù)信號的到達，薄膜逐漸變成晶體相—逐漸變得導電。最終電流通過(guò)薄膜，制造一個(gè)信號并通過(guò)該神經(jīng)元的輸出端發(fā)射出去。在一定的時(shí)間后，鍺銻碲薄膜恢復為非晶體形態(tài)，這個(gè)過(guò)程不斷反復進(jìn)行。

 

IBM單個(gè)相變神經(jīng)元運行過(guò)程

另外，由于各種噪聲（離子電導、熱量、背景噪聲）的存在導致生物神經(jīng)元是隨機的（Stochastic）。IBM研究人員表示，人工神經(jīng)元之所以同樣表現出了隨機特性是因為——每個(gè)GST 細胞的非晶體狀態(tài)在每次重置之后會(huì )有些許不同，隨后的晶態(tài)化過(guò)程也會(huì )不同。因此，科學(xué)家無(wú)法確認每個(gè)人工神經(jīng)元會(huì )在何時(shí)發(fā)射信號。

此外，IBM 蘇黎世研究院在Nature Nanotechnology上發(fā)表了題為“隨機相變神經(jīng)元（Stochastic phase-change neurons）”的相關(guān)論文。

 

論文的共同作者——Manuel Le Gallo（IBM 蘇黎世研究院研究學(xué)者、ETH Zurich在讀PHD）在最近接受的采訪(fǎng)中提到“我們的方法是非常有效率的，特別是在處理大量數據的時(shí)候。”下面是具體的采訪(fǎng)內容：

 

Q：人工神經(jīng)元到底是如何工作的呢？

Manuel Le Gallo：神經(jīng)元有一個(gè)特別的功能，我們稱(chēng)之為“整合和發(fā)射”。神經(jīng)元就像一個(gè)蓄電池一樣——如果你不斷向神經(jīng)元發(fā)送多重輸入信息，這個(gè)神經(jīng)元將會(huì )整合所有的輸入信息。根據輸入信息的總量和強度，膜電位將達到一定的閾值，然后神經(jīng)元就會(huì )進(jìn)行“發(fā)射”或者“脈沖放電”動(dòng)作。這樣的一個(gè)蓄電池可以用來(lái)執行令人驚訝的復雜計算任務(wù)。

Q：人類(lèi)大腦的運行方式是如何啟發(fā)人工神經(jīng)元的發(fā)展呢？

Manuel Le Gallo：人工神經(jīng)元是模仿真正的生物神經(jīng)元建立的。人工神經(jīng)元沒(méi)有神經(jīng)元那樣完全相同的功能，但是可以通過(guò)使用這些神經(jīng)元實(shí)現接近真正大腦一般的運算結果。通常人工神經(jīng)元是基于CMOS的電路進(jìn)行搭建，這也是我們所使用的電腦中的標準晶體管技術(shù)。我們研究中主要使用非CMOS設備（如相變裝置），在降低功耗和提高區域密度的情況下實(shí)現了同樣的功能。

Q：你對這項工作有什么貢獻？

Manuel Le Gallo：在我過(guò)去的三年的表征和模型工作中，我們團隊由此對相變設備的物理特征有了相當的了解。這對于在相變設備上設計神經(jīng)元并理解它們的功能是至關(guān)重要的。另外，我還負責文章中部分實(shí)驗數據的工作，并對結果的分析以及解釋做出了貢獻。

Q：人工神經(jīng)元能夠被應用在哪種情況下？

Manuel Le Gallo：在我們的文章中，我們演示了其如何在多重事件流中檢測其互相關(guān)系。

Q：事件指代的是？

Manuel Le Gallo：事件可以是Twitter數據、天氣數據或者互聯(lián)網(wǎng)上收集到的傳感數據等。

Q：是什么使得神經(jīng)形態(tài)計算比傳統計算更有效率呢？

Manuel Le Gallo：在傳統計算中有一個(gè)單獨的內存和邏輯單元，每當要執行計算時(shí)必須先訪(fǎng)問(wèn)內存、獲取數據，然后將數據傳輸到邏輯單元，再返回計算。當得到一個(gè)結果時(shí)，必須把它返回到內存當中，且這個(gè)過(guò)程不斷地來(lái)回進(jìn)行。因此如果你正在處理龐大數據的話(huà)，這將成為相當麻煩的問(wèn)題。

而在神經(jīng)網(wǎng)絡(luò )中，計算和存儲是同地協(xié)作的。你不需要建立邏輯區與內存區之間的傳輸渠道，只需要在不同的神經(jīng)元之間建立適當的連接，我們認為這是我們的方法（特別是用于處理大量的數據）將會(huì )更有效的主要原因。

人腦工程概念股：冠昊生物、復旦復華、漢王科技、科大訊飛、佳都科技、北大醫藥、方正科技、均勝電子。