儘管處理器隨著時間的推移變得越來越小、越來越快，但很少有計算機能在速度和計算能力上與人腦競爭。而且，沒有哪種計算機能接近人腦的能量效率。因此，一些工程師希望開發模仿大腦計算方式的電子裝置，以構建更強大、更高效的裝置。
蘇黎世IBM研究院的一個團隊現在報告說，由相變材料製成的奈米級裝置可以模仿神經元的放電方式來執行某些計算 (Nat. Nanotechnol. 2016, DOI:10.1038/nnano.2016.70)。
埃克塞特大學的電氣工程師C. 大衛·賴特說，這份報告“非常具體地表明，我們可以製造簡單但有效的神經元硬體模仿物，這種模仿物可以做得非常小，從而具有低功耗”，他為這篇新文章撰寫了評論。
關於支援科學新聞
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道： 訂閱。透過購買訂閱，您正在幫助確保關於塑造當今世界的發現和想法的有影響力的故事的未來。
IBM團隊的裝置模仿了單個神經元如何整合來自其他神經元的傳入訊號以確定何時應該放電。這些輸入訊號會改變神經元膜的電勢——一些訊號會增加電勢，另一些訊號會降低電勢。一旦電勢超過某個閾值，神經元就會放電。
賴特在他的評論中解釋說，以前，工程師使用電容器和矽電晶體的組合來模仿這一過程，但這可能很複雜並且難以縮小規模。
在這項新工作中，IBM 的Evangelos Eleftheriou和同事展示了一種可能更簡單的系統，該系統使用相變材料來扮演神經元膜電位的角色。摻雜的硫族化物 Ge2Sb2Te5 已在傳統儲存裝置中進行過測試，它可以以兩種狀態存在：玻璃態非晶態和晶體態。電脈衝會緩慢地將材料從非晶態轉換為晶體態，從而改變其電導率。在達到一定的相變水平時，材料的電導率會突然躍升，裝置就像神經元一樣放電。
IBM 團隊測試了一種蘑菇狀裝置，該裝置由夾在兩個電極之間的 100 奈米厚的硫族化物層組成。在一個演示中，他們使用類似神經元的裝置來檢測 1,000 個二進位制資料流中的相關性。賴特說，這種計算可以發現社交媒體聊天甚至股票市場交易中的趨勢。
他還指出，這些裝置放電速度比實際神經元更快，時間尺度為納秒級，而神經元的時間尺度為毫秒級。賴特說，神經元模仿是朝著能夠像大腦一樣處理資訊但速度比大腦快幾個數量級的硬體邁出的又一步。“這可能會做一些了不起的事情。”