人工智能的未来：用忆阻器制造神经网络芯片

　　忆阻器(memristor)是一种被动电子元件，被认为是电路的第四种基本元件，仅次于电阻器、电容器及电感元件。忆阻器可以在关掉电源后，仍能“记忆”通过的电荷。两组的忆阻器更能产生与晶体管相同的功能，但更为细小。


　　而忆阻器的特性与一种与其全然无关的电路相似：神经元突触。神经元之间不是单线相连，而是多线连接成错综复杂的网络。每一个神经元总是和多个神经元 相连，将电信号从它一端传到另一端。突触是神经元之间在功能上发生联系的部位，也是信息传递的关键部位。通过这些突触的信号越多，两个神经元之间的联系 就越强大。如同反复记忆这一行为，便是增加神经元中的突触，以形成联系更为紧密的神经元。
　　这一特性照亮了使用忆阻器制造神经突触芯片的前景，通常情况下脑电路控制逻辑神经元，忆阻器则控制它们之间的链接。然而，即使性能最优的忆阻器也无法利用CMOS(互补金属氧化物半导体)创建电路，因为使用了CMOS的忆阻器的状态很不稳定。
构造忆阻器神经网络
　　现在，来自Stony Brook大学和California Santa Barbara大学的研究团队似乎解决了这一问题。他们运用的是一种简单方式：系统性试错法研究。
　　忆阻器是由金属氧化物(常用二氧化钛)制成，因为电流会在氧原子消失的地方影响金属材料，进而影响其电流阻力。
　　在这种情况下，实验人员将氧化铝和二氧化钛结合形成了一个忆阻器。他们从“详尽探究二氧化钛组分及层厚度(5nm-100nm)的实验”开始，然后 逐步调整加上铝氧化物的厚度。二氧化钛层厚决定了在指定地点生成忆阻器的难易程度，同时氧化铝层影响了实际运行的稳定性与强度。


神经网络：人工智能的未来?
　　神经网络是由传统电路链接而成的网格(技术上称交叉开关)，而忆阻器出现在每一个垂直线路交叉处——首先将金属氧化物层放置于这些位置，然后再通入电流。
　　研究人员训练神经网络识别V、N、Z三个字母，其囊括了存在单像素误差的可能。在经过一段时间的训练之后，忆阻器神经网络能够识别出所有三个字母， 同时更深入的训练可以进一步提升神经网络的表现。基础运算中的几个部分是由传统硬件完成的，而忆阻器则能处理最需要进行紧张计算的任务。
　　在这里，研究者生成的系统只涉及了12*12网格的忆阻器，因此能力是有限的。而来自奥地利Graz科技大学的Robert Legenstein认为：如果这个设计可以扩大至大型网络的大小，那么它将颠覆电脑运算的未来。


　　尽管存在很多挑战，但神经网络还是可以轻松超越传统计算机硬件，同时又避免了一大量能源的损耗。即使层厚为30nm，在一平方厘米中也能存放2500万个细胞，而其中每个细胞中带有1万个突触。想要为这一切提供能源支持，却只需要1瓦电。