尽管处理器随着时间的推移变得越来越小、越来越快，但很少有计算机能在速度和计算能力上与人脑竞争。而且，没有哪种计算机能接近人脑的能量效率。因此，一些工程师希望开发模仿大脑计算方式的电子设备，以构建更强大、更高效的设备。
苏黎世IBM研究院的一个团队现在报告说，由相变材料制成的纳米级设备可以模仿神经元的放电方式来执行某些计算 (Nat. Nanotechnol. 2016, DOI:10.1038/nnano.2016.70)。
埃克塞特大学的电气工程师C. 大卫·赖特说，这份报告“非常具体地表明，我们可以制造简单但有效的神经元硬件模仿物，这种模仿物可以做得非常小，从而具有低功耗”，他为这篇新文章撰写了评论。
关于支持科学新闻
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道： 订阅。通过购买订阅，您正在帮助确保关于塑造当今世界的发现和想法的有影响力的故事的未来。
IBM团队的设备模仿了单个神经元如何整合来自其他神经元的传入信号以确定何时应该放电。这些输入信号会改变神经元膜的电势——一些信号会增加电势，另一些信号会降低电势。一旦电势超过某个阈值，神经元就会放电。
赖特在他的评论中解释说，以前，工程师使用电容器和硅晶体管的组合来模仿这一过程，但这可能很复杂并且难以缩小规模。
在这项新工作中，IBM 的Evangelos Eleftheriou和同事展示了一种可能更简单的系统，该系统使用相变材料来扮演神经元膜电位的角色。掺杂的硫族化物 Ge2Sb2Te5 已在传统存储设备中进行过测试，它可以以两种状态存在：玻璃态非晶态和晶体态。电脉冲会缓慢地将材料从非晶态转换为晶体态，从而改变其电导率。在达到一定的相变水平时，材料的电导率会突然跃升，设备就像神经元一样放电。
IBM 团队测试了一种蘑菇状设备，该设备由夹在两个电极之间的 100 纳米厚的硫族化物层组成。在一个演示中，他们使用类似神经元的设备来检测 1,000 个二进制数据流中的相关性。赖特说，这种计算可以发现社交媒体聊天甚至股票市场交易中的趋势。
他还指出，这些设备放电速度比实际神经元更快，时间尺度为纳秒级，而神经元的时间尺度为毫秒级。赖特说，神经元模仿是朝着能够像大脑一样处理信息但速度比大脑快几个数量级的硬件迈出的又一步。“这可能会做一些了不起的事情。”