美國西北大學、波士頓學院和麻省理工學院研究人員從人腦中汲取靈感，開發出一種能夠進行更高層次思維的新型突觸晶體管，可像人腦一樣同時處理和存儲信息。在新的實驗中，研究人員證明晶體管對數據進行分類的能力，超越了簡單的機器學習任務，并且能夠執行聯想學習。研究成果20日發表在《自然》雜志上。
盡管之前的研究已利用類似的策略來開發類腦計算設備，但這些晶體管只能在低溫中運行。相比來說，新設備在室溫下運行很穩定。它在快速運行時消耗的能量很少，即使斷電也能保留存儲的信息，這使其成為實際應用中的理想選擇。
研究團隊探索了莫爾條紋物理學的新進展。莫爾條紋是一種幾何設計，當兩種圖案相互層疊時就會出現。當二維材料堆疊時，會出現單獨一層不存在的新特性。當這些層扭曲形成莫爾條紋時，電子特性前所未有的可調性成為可能。
對于新設備，研究人員結合了兩種不同類型的原子薄材料：雙層石墨烯和六方氮化硼。當堆疊并有目的地扭曲時，這些材料形成了莫爾條紋。研究人員可在每個石墨烯層中實現不同的電子特性。通過正確選擇扭曲，研究人員利用莫爾條紋物理學在室溫下實現神經形態功能。
為了測試晶體管，團隊訓練它識別相似但不相同的模式。他們還推出了一種新型納米電子設備，以節能的方式對數據進行分析和分類。
首先，研究人員向設備展示了一種模式：000（連續三個零），然后，他們要求人工智能識別相似的模式，例如111或101。研究人員表示：“如果我們訓練它檢測000，然后給它111和101，它就會知道111與000比101更相似。000和111并不完全相同，但都是連續的三位數字。認識到相似性是一種更高層次的認知形式，被稱為聯想學習”。
【總編輯圈點】
將不同類型的原子薄材料堆疊、扭曲，在每個層中實現不同的電子特性，然后，利用這些扭曲，在室溫下實現設備的神經形態功能。這是一次非常有意思的嘗試。機器在執行特定任務時，常比人腦更有效率更為準確。但是，我們仍然希望機器能夠具備人腦的特點，這樣一來，它可以不需要大量的數據投喂，不需要一次次的人工標注。它可以舉一反三，像兒童一樣實現小數據甚至零數據學習。所以，研究人員一直在尋找新的材料和方法，讓機器更為接近人腦。
