1 月 20 日消息，韓國科學(xué)技術(shù)院（KAIST）的研究團隊成功開發(fā)出一種基于憶阻器（memristor）的集成芯片，該芯片能夠模擬人腦處理信息的方式。這項研究由 KAIST 的教授 Shinhyun Choi 和 Young-Gyu Yoon 領(lǐng)導(dǎo)，相關(guān)成果已發(fā)表在《自然?電子學(xué)》（Nature Electronics）期刊上。

據(jù)了解，這種新型計算芯片的突出特點在于其能夠?qū)W習(xí)和糾正由非理想特性引起的錯誤，這是現(xiàn)有神經(jīng)形態(tài)設(shè)備面臨的主要挑戰(zhàn)之一。例如，在處理視頻流時，芯片可以自動將移動物體與背景分離，并隨著時間的推移不斷提升性能。研究團隊通過實時圖像處理實驗證明，該芯片的準(zhǔn)確性可與理想的計算機模擬相媲美。

這項研究的關(guān)鍵突破在于，他們不僅開發(fā)出了可靠的類腦組件，還構(gòu)建了一個實用且高效的系統(tǒng)。這一創(chuàng)新的核心是一種名為憶阻器的下一代半導(dǎo)體器件。憶阻器通過其可變的電阻特性模擬神經(jīng)網(wǎng)絡(luò)中突觸的功能，能夠同時實現(xiàn)數(shù)據(jù)存儲和計算，類似于人腦細(xì)胞的工作方式。憶阻器精確控制電阻變化，通過自學(xué)習(xí)消除了復(fù)雜補償?shù)男枨?，從而?chuàng)建了一個高效的系統(tǒng)。

基于憶阻器的平臺能夠在模擬域中執(zhí)行并行計算，因此可以實現(xiàn)緊湊且節(jié)能的 AI 邊緣計算系統(tǒng)。然而，現(xiàn)有的憶阻器陣列系統(tǒng)在實現(xiàn)實時 AI 算法和設(shè)備端學(xué)習(xí)方面面臨可靠性問題，例如低良率、一致性差和耐久性問題。KAIST 的研究團隊通過采用界面型氧化鈦憶阻器，成功解決了這些問題。這種憶阻器具有高可靠性、高線性度、無需預(yù)形成（forming-free）和自整流特性，能夠在無需補償或預(yù)訓(xùn)練的情況下，通過自校準(zhǔn)運行 AI 算法。

研究指出，這項技術(shù)將改變 AI 在日常設(shè)備中的集成方式，使 AI 任務(wù)能夠在本地處理，從而減少對遠(yuǎn)程云服務(wù)器的依賴，使設(shè)備更快、更安全且更節(jié)能。KAIST 的研究人員 Hakcheon Jeong 和 Seungjae Han 表示，這一系統(tǒng)就像一個智能工作空間，所有資源都可以輕松訪問，無需在多個位置之間來回切換。他們進(jìn)一步解釋說，這一系統(tǒng)模擬了大腦處理信息的方式，所有任務(wù)都可以在一個位置高效完成。

該芯片已準(zhǔn)備好部署于多種設(shè)備中，例如能夠即時檢測可疑活動的智能安防攝像頭，以及實時分析健康數(shù)據(jù)的醫(yī)療設(shè)備。