導讀
近日，瑞典林雪平大學的科學家們開發(fā)出一種基于有機材料的新型晶體管。這種晶體管可以學習，并具備短期與長期的記憶功能。這項研究朝著創(chuàng)造模仿人類大腦的技術邁出了重要一步。
背景
如今，后摩爾時代已經悄然來臨。芯片上的晶體管尺寸縮小與數量增加的速度正不斷放緩，傳統晶體管正在逼近物理極限，傳統計算機正遭遇發(fā)展瓶頸。
為此，各國科學家正在努力探索各種新方法（例如自旋電子學）、新材料（例如二維材料、鈣鈦礦）、新架構（例如神經形態(tài)計算）以打造性能更佳、能耗更低的新一代計算機。
神經形態(tài)計算，也稱為類腦計算，旨在模仿大腦處理、加工信息的過程，將存儲元件與計算元件整合到同一芯片中。
神經形態(tài)計算是一種新型計算架構，突破了傳統的馮·諾依曼體系結構帶來的瓶頸：數據需要在CPU和內存之間來回移動，而CPU運算速度較快，內存訪問速度較慢，即所謂的“內存墻”問題。
神經形態(tài)計算是受人腦啟發(fā)而設計出來的。人腦處于全方位的互聯狀態(tài)，其邏輯功能與記憶功能密切關聯。據科學家稱，人腦的存儲密度與多樣性均是當代計算機的數十億倍，目前最發(fā)達的超級計算機也無法與人腦相提并論。
人腦主要由神經元網絡和突觸組成，可并行處理和存儲大量數據，且能耗極低。突觸在人腦中扮演著非常關鍵的角色。大腦執(zhí)行計算時，神經元之間會傳遞電化學信號。這些信號的傳輸受到一個關鍵連接結構控制，它就是突觸。
（圖片來源：NIST）
突觸的感受能力，決定了突觸后神經元是否會對于信號作出響應。如果信號不夠強，突觸后神經細胞將不會作出響應。發(fā)送的信號越多，突觸的感受力就越強，這就使得突觸具備了學習能力。
（圖片來源：NIST）
為了實現類似人腦的計算能力，科學家們一直在模仿突觸，構造具有學習功能的器件，其中最主要的就是憶阻器，此外還有超導人工突觸等方案。
憶阻器芯片 (圖片來源：南安普敦大學)
超導人工突觸結構（圖片來源：NIST）
創(chuàng)新
今天，筆者要為大家介紹一種模仿突觸、具有學習能力的新器件。
近日，瑞典林雪平大學的科學家們開發(fā)出一種基于有機材料的新型晶體管。這種晶體管可以學習，并具備短期與長期的記憶功能。這項研究朝著創(chuàng)造模仿人類大腦的技術邁出了重要一步。
（圖片來源：Thor Balkhed）
迄今為止，大腦的獨特之處在于能在之前沒有連接的地方創(chuàng)造連接。在一篇發(fā)表于《先進科學（Advanced Science）》期刊上的論文中，瑞典林雪平大學的研究人員們描述了一種可以在輸入與輸出之間創(chuàng)造新連接的晶體管。他們將晶體管融入到電子電路中，這種電子電路能將特定的刺激與輸出信號相聯系，正如狗的學習能力一樣，狗聽到寵物食具準備好的聲音，就知道食物正在途中。
技術
普通晶體管的工作機制就像一個閥，它可以根據輸入信號的特性，放大或者抑制輸出信號。在研究人員們開發(fā)的有機電化學晶體管中，晶體管中的溝道由電聚合的導電聚合物組成。溝道可以形成、生長、縮小，或者在運行期間完全消除。它也可以在接收訓練之后，對特定的刺激（特定的輸入信號）作出反應。這樣一來，晶體管溝道就會變得更加導電，輸出信號也更大。
北雪平校區(qū)有機電子實驗室有機納米電子學首席研究員 Simone Fabiano 表示：“這正是首次在神經形態(tài)裝置中，展示新型電子元件實時的形成過程?！?/p>
通過增加晶體管溝道中聚合反應的程度，溝道不斷生長，從而增加了傳導信號的聚合物鏈的數量。要不然，材料可能會被過度氧化（施加高電壓），并且溝道會變得沒有活性。導電性的暫時改變也能通過“摻雜”或“去摻雜”材料來實現。
晶體管溝道并不是由有機電子中最常采用的聚合物（PEDOT）來構造，而是由這篇論文作者之一、有機電子實驗室的 Roger Gabrielsson 采用一個新開發(fā)的單體（ETE-S）構造出來。ETE-S 具有幾個非常適合這項應用的特性：它形成了足夠長的聚合物鏈；它是溶于水的（而聚合物形式不是）；它通過中等程度的摻雜制造出聚合物。聚合物 PETE-S 是通過本征負電荷摻雜的形式（用于平衡正電荷載流子）制造，它屬于p型摻雜。
價值
論文作者之一、有機納米電子學博士后 Jennifer Gerasimov 表示：“我們展示了，我們可以對晶體管處理信息的方式引入短期和長期的改變，這對于模仿大腦細胞相互通信的方式來說至關重要?！?/p>
通過改變輸入信號，晶體管響應的強度可以在更廣范圍上調制，并且在之前不存在連接的地方創(chuàng)建連接。它賦予了晶體管可以媲美突觸或者兩個大腦細胞之間通信接口。
這也標志著朝著采用有機電子器件的機器學習邁出了一大步。基于軟件的人工神經網絡，目前在機器學習中用于實現所謂的“深度學習”。軟件需要在巨量節(jié)點之間傳輸信號以模仿單個突觸，這具有可觀的計算功率，因此會消耗可觀的能量。
Jennifer Gerasimov 表示：“我們開發(fā)了一個采用電子元件實現同樣功能的硬件。我們的有機電化學晶體管因此可以攜帶成千上萬個普通的集體管，這些晶體管的能耗接近人腦在兩個細胞之間傳輸信號所消耗的能量。”
關鍵字
晶體管、突觸、神經形態(tài)計算、機器學習、有機電子
參考資料
【1】https://liu.se/en/news-item/laraktig-transistor-harmar-hjarnan
【2】Jennifer Y. Gerasimov, Roger Gabrielsson, Robert Forchheimer, Eleni Stavrinidou, Daniel T. Simon, Magnus Berggren, Simone Fabiano. An Evolvable Organic Electrochemical Transistor for Neuromorphic Applications. Advanced Science, 2019; 1801339 DOI: 10.1002/advs.201801339
