受人脑启发，研究人员开发了一种新型的突触晶体管，它具备高级思维能力。

这种设备是由西北大学、波士顿学院和麻省理工学院（MIT）的研究人员设计的，它能像人脑一样同时处理和存储信息。在最新的实验中，研究人员证明，这种晶体管不仅能完成简单的机器学习任务对数据进行分类，还能执行关联学习。

尽管以前的研究也利用类似的策略开发出了仿人脑的计算设备，但那些晶体管无法在低温以外的环境中工作。相比之下，这种新设备在常温下也能稳定工作。它运行速度快，能耗极低，即使断电也能保持存储的信息，非常适合实际应用。

该研究将于12月20日（周三）在《自然》杂志上发表。

“大脑的结构与数字计算机根本不同，”西北大学的马克·C·赫萨姆说，他是该研究的共同领导者。“在数字计算机中，数据在微处理器和内存之间来回移动，这消耗了大量能源，并且在尝试同时执行多个任务时会造成瓶颈。另一方面，在大脑中，记忆和信息处理是共同位于一个位置且完全集成的，这导致能效比数字计算机高出数个数量级。我们的突触晶体管同样实现了记忆与信息处理功能的并行，更加忠实地模仿了大脑。”

赫萨姆是西北大学麦考密克工程学院材料科学与工程的沃尔特·P·墨菲教授。他还是材料科学与工程系的主席，材料研究科学与工程中心的主任，以及国际纳米技术研究所的成员。赫萨姆与波士顿学院的Qiong Ma和MIT的Pablo Jarillo-Herrero共同领导了这项研究。

人工智能（AI）的最新进展激励着研究人员开发更像人脑一样运作的计算机。传统的数字计算系统有独立的处理和存储单元，导致处理数据密集型任务会消耗大量能源。随着智能设备不断收集大量数据，研究人员急于找到新的方法来处理这些数据，而不需要消耗越来越多的能源。目前，记忆电阻器，或“忆阻器”，是能够执行结合处理和记忆功能的最成熟技术。但忆阻器仍然存在能源消耗高的问题。

“几十年来，电子产品的设计范式一直是使用晶体管构建一切，并使用相同的硅架构，”赫萨姆说。“通过在集成电路中简单地装入越来越多的晶体管，已经取得了显著的进展。你不能否认这种策略的成功，但它带来了高能耗的代价，尤其是在当前大数据时代，数字计算预计将会压垮电网。我们必须重新思考计算硬件，特别是对于AI和机器学习任务。”

为了重新思考这个范式，赫萨姆及其团队探索了moire（莫尔）图案物理学的新进展，这是一种当两种图案叠加在一起时产生的几何设计。当二维材料叠加时，会出现一些在单层中不存在的新属性。而当这些层被扭曲形成moire图案时，电子属性的前所未有的可调性成为可能。

对于新设备，研究人员结合了两种不同类型的原子级薄材料：双层石墨烯和六角形硼氮化物。当这些材料叠加并有目的地扭曲时，它们形成了一个moire图案。通过相对旋转一层，研究人员甚至可以在石墨烯的每一层实现不同的电子属性，尽管它们之间只有原子级别的距离。通过正确选择扭曲角度，研究人员利用moire物理学在常温下实现了类脑功能。

“扭曲作为一种新的设计参数，其排列组合的可能性是巨大的，”赫萨姆说。“石墨烯和六角形硼氮化物在结构上非常相似，但有足够的差异，使得你能够获得非常强大的moire效应。”

为了测试这个晶体管，赫萨姆及其团队训练它识别相似但并不完全相同的模式。就在本月早些时候，赫萨姆介绍了一种新的纳米电子设备，它能够以高能效的方式分析和分类数据，但他的新突触晶体管使机器学习和AI技术更进一步。

“如果AI旨在模仿人类思维，最基础的任务之一就是对数据进行分类，即简单地将其分门别类，”赫萨姆说。“我们的目标是将AI技术推向更高级别的思维。现实世界的条件往往比当前AI算法可以处理的更复杂，因此我们在更复杂的条件下测试了我们的新设备，以验证它们的高级功能。”

研究人员首先向设备展示了一个模式：000（连续三个零）。然后，他们要求AI识别类似的模式，例如111或101。“如果我们训练它检测000，然后给它111和101，它知道111与000的相似度比101高，”赫萨姆解释道。“000和111不完全相同，但都是连续的三个数字。识别这种相似性是一种更高级别的认知形式，称为关联学习。”

在实验中，新型突触晶体管成功地识别了相似模式，

展示了它的关联记忆能力。即使研究人员给它不完整的模式，它仍然成功地展示了关联学习的能力。

“当前的AI很容易被混淆，这在某些情况下可能导致严重问题，”赫萨姆说。“想象一下，如果你正在使用自动驾驶车辆，天气条件恶化了。车辆可能无法像人类驾驶员那样准确解读更复杂的传感器数据。但即使我们给我们的晶体管不完美的输入，它仍然能够识别出正确的响应。”

这项研究，“具有室温类脑功能的莫尔突触晶体管”，主要得到了国家科学基金会的支持。