类脑计算艺术图。图片来源：美国西北大学

美国西北大学、波士顿学院和麻省理工学院研究人员从人脑中汲取灵感，开发出一种能够进行更高层次思维的新型突触晶体管，可像人脑一样同时处理和存储信息。在新的实验中，研究人员证明晶体管对数据进行分类的能力，超越了简单的机器学习任务，并且能够执行联想学习。研究成果20日发表在《自然》杂志上。

尽管之前的研究已利用类似的策略来开发类脑计算设备，但这些晶体管只能在低温之下运行。相比来说，新设备在室温下运行很稳定。它在快速运行时消耗的能量很少，即使断电也能保留存储的信息，这使其成为实际应用中的理想选择。

研究团队探索了莫尔条纹物理学的新进展。莫尔条纹是一种几何设计，当两种图案相互层叠时就会出现。当二维材料堆叠时，会出现单独一层不存在的新特性。当这些层扭曲形成莫尔条纹时，电子特性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薄材料：双层石墨烯和六方氮化硼。当堆叠并有目的地扭曲时，这些材料形成了莫尔条纹。研究人员可在每个石墨烯层中实现不同的电子特性。通过正确选择扭曲，研究人员利用莫尔条纹物理学在室温下实现神经形态功能。

为了测试晶体管，团队训练它识别相似但不相同的模式。他们还推出了一种新型纳米电子设备，以节能的方式对数据进行分析和分类。

首先，研究人员向设备展示了一种模式：000（连续三个零），然后，他们要求人工智能识别相似的模式，例如111或101。研究人员表示：“如果我们训练它检测000，然后给它111和101，它就会知道111与000比101更相似。000和111并不完全相同，但都是连续的三位数字。认识到相似性是一种更高层次的认知形式，被称为联想学习”。

将不同类型的原子薄材料堆叠、扭曲，在每个层中实现不同的电子特性，然后，利用这些扭曲，在室温下实现设备的神经形态功能。这是一次非常有意思的尝试。机器在执行特定任务时，常比人脑更有效率更为准确。但是，我们仍然希望机器能够具备人脑的特点，这样一来，它可以不需要大量的数据投喂，不需要一次次的人工标注。它可以举一反三，像儿童一样实现小数据甚至零数据学习。所以，研究人员一直在寻找新的材料和方法，让机器更为接近人脑。