大脑是人体最重要的器官之一，它支撑着人的视觉、听觉、平衡、味觉、嗅觉、记忆、情感、学习等。大脑的构造十分复杂，由大约1千亿个神经元（Neuron）组成，并由约100万亿个突触（Synapse）连接。这些神经元与突触一起构成了一个极其庞大的生物神经网络。

因此，大脑具有极其强大的计算与学习能力，其逻辑功能与记忆功能密切关联，能以极低的功耗并行地处理大量数据。即便是如今最强大的超级计算机，在执行模式识别、风险管理等类似复杂任务时，也无法与人脑相抗衡。

时下，一种由人脑启发的新型计算机，也称为“类脑计算机”或者“神经形态计算机”，成为了一个新兴的研究领域，吸引了物理、化学、材料、数学、电子与计算机科学等一系列领域的科学家们的广泛兴趣。

神经形态计算是一种新型计算架构，旨在模仿大脑处理、加工信息的过程，将存储元件与计算元件整合到同一芯片中。它突破了传统的冯·诺依曼体系结构带来的瓶颈：数据需要在CPU和内存之间来回移动，而CPU运算速度较快，内存访问速度较慢，造成了所谓的“内存墙”问题。

神经形态计算，模仿了神经系统，采用了全新的架构。在这种架构中，记忆和信号处理的功能共同处于“记忆元件（忆阻器、忆容器、忆感器）”中。记忆元件组成类似突触的硬件系统，模仿自然信息处理、学习和记忆。

研究人员借鉴了冶金学的原理，用银和铜合金以及硅制成每个忆阻器。当他们用这款芯片来运行几个视觉任务时，芯片可以“记住”存储的图像，并重复多次复制它们，这个版本比由非合金元素制造的现有忆阻器更清晰、更干净。

他们的研究成果于6月8日发表在《自然·纳米技术（Nature Nanotechnology）》杂志上，展示的这款新型忆阻器设计非常有望应用于神经形态器件。这些电子器件基于一种新型电路，这种电路处理信息的方式模仿了大脑架构。这种脑启发的电路可以构造到小型便携式器件中，并能处理只有当今超级计算机才能处理的复杂计算任务。

MIT 机械工程系副教授 Jeehwan Kim 表示：“迄今为止，人工突触网络以软件的形式存在。我们正在尝试为便携式人工智能系统打造真正的神经网络硬件。让我们想象一下，将神经形态器件连接至你汽车上的摄像头，让它能够识别光线和物体，并立即作出决策，而无需连接到互联网。我们希望采用高能效的忆阻器在现场实时地执行这些任务。”

————————————————
版权声明： 
原文链接：https://3g.163.com/tech/article/FEQ1KJII0511CBTT.html?from=history-back-list