IBM相变人工神经元模拟脑脉冲：超高密度低功耗计算新纪元
Manuel Le Gallo研究将启发新一代超高密度神经形态计算系统。（来源：IBM Research – Zurich）
受人脑脉冲通信启发，IBM苏黎世研究院打造人工神经元，模拟触摸热板时的“积分-发放”行为。这些器件能在功耗与占地面积媲美生物组织的前提下，检测模式、挖掘大数据相关性——这是科学家数十年追求的目标。
突破详发表于今日登上Nature Nanotechnology封面的论文“随机相变神经元”。研究展示相变存储器元件如何构型为超高密度、低能耗神经元，实现高速无监督学习。
我与共同作者、IBM Research–Zurich科学家Manuel Le Gallo对话，他正在ETH Zurich攻读博士。
人工神经元如何工作？
Manuel Le Gallo： 人工神经元实现“积分-发放”电路。累积输入信号；当总电位达阈值，发放脉冲。这种简单累积能实现惊人复杂的计算。
设计灵感源自何处？
ML： 目标是镜像生物神经元计算力。传统人工神经元依赖CMOS晶体管，我们用相变器件以显著更低功耗、更高密度达成同等功能。
您的角色？
ML： 过去三年相变物理研究指导神经元设计，并支撑论文实验数据解读。
“我们认为此路径处理大规模数据更高效。”
—Manuel Le Gallo, IBM研究科学家
人工神经元应用场景？
微小方块为接触焊盘，用于访问纳米级相变单元（不可见）。尖锐探针触碰焊盘，响应神经元输入改变相构型。每组探针访问100单元种群。
ML： 实验显示，单神经元配多塑性突触可跨多二进制事件流——如社交媒体、天气、IoT传感器数据——检测时间相关性，事件对齐时发放。
神经形态计算为何更高效？
ML： 传统架构分离存储与逻辑，强制昂贵数据搬运。神经形态系统计算与存储共存，消除存储-逻辑传输，大幅降低能耗，尤对海量数据集显著。
Manuel Le Gallo获ETH Zurich电气工程硕士，在IBM完成论文，现攻读博士。
作者简介： Millian Gehrer为IBM Research–Zurich暑期实习生，采访科学家了解工作。秋季将入读普林斯顿大学计算机科学。
纳米材料