人类大脑被称为宇宙中最复杂的物体。为了复制这种至今无法匹敌的计算能力，洛斯阿拉莫斯国家实验室的科学家们开发出了一种新的界面型记忆电阻器件，他们的结果表明，这种设备可用于构建下一代神经形态计算的人工突触。

记忆电阻器设备，或者称为记忆电阻器，代表了长期以来寻求的电路技术。与目前的电阻器技术不同，它具备编程和存储的能力。记忆电阻器可以在断电时记住其电气状态，这类似于人脑的能力，为计算和设备开辟了新的可能性。

今天的科学中，数据处理是必不可少的一部分。它利用机器学习、人工智能和人工神经网络来解决从气候科学到国家安全应用的紧迫问题，这是不可或缺的。——Aiping Chen，综合纳米技术中心实验室科学家。

但传统的计算架构需要大量的能源，并且越来越难以扩展以满足越来越大的数据挑战。神经形态计算模拟人脑无与伦比的数据存储和处理架构和能力，提供了延续计算性能的路径。

传统计算受到所谓的冯·诺伊曼瓶颈的限制，即计算和存储是分开的。在数字计算机上处理高级任务，例如机器学习和图像识别，需要大量的能量和时间，因为需要将数据来回传输到中央处理单元和存储器之间。数据中心能源消耗在过去几年中迅速增加，预计到2030年，全球约有8%的电力将被数据中心所使用。

此外，传统的计算机架构中，基于硅微芯片上的数十亿个晶体管作为计算机的二进制代码开关。这些晶体管的微型化的物理极限已经帮助终结了摩尔定律，即预计每两年左右处理能力翻倍的准则。

内存计算：就像大脑一样

在突触处共存信息存储和处理，连接 1000 亿个发送和接收化学信息的神经元，人类大脑的“内存处理”节省时间和能量。神经形态计算依赖于新兴设备，如忆阻器（memristor），这种在两个端口之间控制和记忆电荷流动的开关，以复制突触的结构和功能。

在神经形态计算的快速发展领域中，记忆电阻器设计中包括了纤维系统，其中通过设备传递电荷。然而，容易过热的纤维系统缺乏稳定性和可靠性。

陈及其同事正在研究一种名为界面型记忆电阻器的不同方法，并基于Au/Nb掺杂的SrTiO3界面——基本上是金和其他半导体材料——制造了一个简单结构的可靠、性能出色的器件。

基于界面类型的记忆电阻器原则上可以被缩小到甚至针对基于纤维的记忆电阻器技术无法达到的纳米级尺寸。（相比之下，人类头发的直径大约为10万纳米。）特别是相对于基于晶体管的神经形态芯片，界面类型的记忆电阻器设备需要更少的能量来支持其处理。

“与冯·诺伊曼体系结构的数字计算不同，受生物系统启发的神经形态计算机工作方式类似于大脑，”陈说道。“这种结构的优点包括低能耗、高并行性和优异的容错性。毕竟，人脑只需要20瓦的能量就可以有效地学习。这些优点使其非常适合高级计算任务，如学习、识别和决策。”

在高级计算任务方面表现卓越

该团队利用人工神经网络模拟研究了界面型记忆电阻器的计算性能，并对其进行了测试，以应对由国家标准与技术局维护的修改过的国家标准和技术数据库中的手写图像集。该装置表现出良好的均匀性、可编程性和可靠性，实现了94.72%的识别准确率。

这种性能使得团队相信这些新的界面型记忆电阻器装置可以成为下一代神经形态计算的基本硬件组成部分。

"我们看到的能力表明，类似人脑的神经形态芯片将擅长于包括学习和实时决策在内的高级任务，"Chen表示。"我们可以看到神经形态计算使许多需要智能的应用成为可能，从自动驾驶汽车、无人机到安保摄像头。基本上，人类能够做的许多事情，这些类型的设备都将能够做到。"

团队计划继续发展技术，并强调需要共同设计——硬件设计受到计算机科学家提供的算法方法的影响。