經(jīng)擬態(tài)運算（Neuromorphic Computing）需要在像是例如神經(jīng)組織和突觸等人腦元素的啟發(fā)下建立體系架構(gòu)。這些運算架構(gòu)被證明能激發(fā)出許多極具發(fā)展前景與優(yōu)勢的應用，因為它們可以同時兼具儲存和學習的功能。

當前大多數(shù)的神經(jīng)擬態(tài)運算架構(gòu)都是人為重建突觸的可塑性（亦即很容易隨著時間的推移而塑造的能力），突觸是神經(jīng)細胞之間的連接點，能夠在大腦各區(qū)域進行神經(jīng)信號脈沖傳播。然而，神經(jīng)形態(tài)計算方法的另一個潛在的有價值的靈感來源是神經(jīng)元膜的可塑性，它是保護神經(jīng)元功能的屏障。

找到能復制神經(jīng)單位膜特性的合適系統(tǒng)，讓神經(jīng)芯片產(chǎn)生獨特非線性輸出動態(tài)

考慮到這一點，柏林工業(yè)大學（TechnischeUniversit?t，TU）德勒斯登和霍姆赫茲中心（Dresdenand Hemholtz Center）研究人員最近設(shè)計了一種能模仿神經(jīng)單元膜既有可塑性的神經(jīng)晶體管（Neurotransistor） 。關(guān)于這顆新型神經(jīng)晶體管的論文已發(fā)表在《自然─電子學》（Nature Electronics）期刊上，該晶體管是透過在硅納米線（SiliconNanowire）上涂上離子摻雜型溶膠－凝膠硅酸鹽薄膜制成的。

進行這項研究之研究人員之一的Larysa Baraban表示：「做為一個在生物和化學電子傳感器方面具有主要專業(yè)知識的團隊，我們試圖找到一種能利用生物傳感器原理來復制神經(jīng)單位膜特性的合適系統(tǒng)?！褂蒃unhye Baek、Baraban 和他們同事共同設(shè)計的神經(jīng)晶體管，利用了基于硅納米線晶體管之電子式電壓生物傳感器（Potentiometric Biosensor）的特性。這類傳感器可以將離子或分子的電荷轉(zhuǎn)換成電流。研究人員將能電子感應到離子電荷（Ionic Charge）的場效晶體管（Field Effect Transistor，F(xiàn)ET）與溶膠－凝膠薄膜結(jié)合，進而實現(xiàn)離子電荷的重新分配。

參與這項研究的另一位研究員Gianaurelio Cuniberti告訴TechXplore：“我們在8英寸絕緣體上硅（SOI）芯片上使用CMOS工藝（例如電子束和UV光刻）制造了硅納米線晶體管，” “然后我們用離子摻雜的硅酸鹽薄膜涂覆納米線器件，該薄膜是通過溶膠-凝膠工藝使用硅酸鹽基前體和金屬離子合成的?！?/p>

由Baek、Baraban、Cuniberti 和他們同事共同提出的新型神經(jīng)晶體管可以充當短期存儲體，這是因為溶膠─凝膠薄膜限制了內(nèi)部離子的移動，并在短時間內(nèi)保持一定的離子狀態(tài)。由于這種獨特性，溶膠－凝膠薄膜允許神經(jīng)晶體管產(chǎn)生獨特的非線性（亦即Sigmoid 函數(shù)）輸出動態(tài)，它由歷史輸入信號來控制。

利用神經(jīng)元可塑性獲得動態(tài)學習能力

研究人員開發(fā)的設(shè)備可模擬神經(jīng)元細胞的功能和固有可塑性。實際上，在神經(jīng)元中，膜電位會引起離子電流發(fā)生S型變化。這種非線性動態(tài)特性還為其提供了先進的學習能力，使其非常適合機器學習應用程序，例如，學習如何在模式分類任務中表現(xiàn)良好。

“這項研究最有意義的成就是利用神經(jīng)元的可塑性獲得的神經(jīng)晶體管網(wǎng)絡(luò)的動態(tài)學習能力，”這項研究的主要研究人員之一EunhyeBaek告訴TechXplore?！霸S多神經(jīng)經(jīng)擬器件（主要是憶阻器）由于其隨機性（如隨機電流閾值）所以很難控制輸出動態(tài)?！?/p>

研究人員采用的設(shè)計策略是允許他們的神經(jīng)晶體管使用其神經(jīng)細胞中定量的摻雜離子來獲得穩(wěn)定的輸出動態(tài)。Baraban、Cuniberti、Baek和他們同事最近研究的目標是，模擬神經(jīng)元的非線性運算，他們的神經(jīng)晶體管可用于執(zhí)行元件級分類，而無需進行數(shù)據(jù)的后處理。這使得更強大的神經(jīng)擬態(tài)運算能以更低的功耗實現(xiàn)，反觀當前運行在神經(jīng)擬態(tài)元件上的現(xiàn)有模式分類模型，多半需要額外的軟件運算。

Baraban 表示：「最終，我們證明了人們可以從傳統(tǒng)的場效晶體管，甚至整顆晶片，透過對溶膠－凝膠薄膜的選擇性修改，將其轉(zhuǎn)變成具有全新功能的神經(jīng)晶體管（或神經(jīng)芯片）?！?這項工作證實了神經(jīng)擬態(tài)電子零組件在單一元件中實現(xiàn)記憶和學習功能的巨大潛力。透過模擬神經(jīng)單位膜的可塑性，他們設(shè)計神經(jīng)晶體管的新策略讓具備進階學習能力之新電子元件的制造成為可能。

「我們現(xiàn)在正在清華大學透過混合憶阻器開發(fā)有如視網(wǎng)膜般的人工視覺感官神經(jīng)元，來進行進一步的大腦啟發(fā)式運算研究，」Baek 指出：“在傳入的信號到達大腦之前，感覺神經(jīng)元已經(jīng)進行記憶和學習，以對信號進行預處理。我們的神經(jīng)晶體管背后的動態(tài)學習原理將應用于處理隨時間變化的光信號?！?/p>