韓國研究團隊開發(fā)出類腦芯片，能夠自主學習并糾正錯誤

1 月 20 日消息，韓國科學技術院（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 領導，相關成果已發(fā)表在《自然?電子學》（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學習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，該芯片的準確性可與理想的計算機模擬相媲美。

這項研究的關鍵突破在于，他們不僅開發(fā)出了可靠的類腦組件，還構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體器件。憶阻器通過其可變的電阻特性模擬神經(jīng)網(wǎng)絡中突觸的功能，能夠同時實現(xiàn)數(shù)據(jù)存儲和計算，類似于人腦細胞的工作方式。憶阻器精確控制電阻變化，通過自學習消除了復雜補償?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 算法和設備端學習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、無需預形成（forming-free）和自整流特性，能夠在無需補償或預訓練的情況下，通過自校準運行 AI 算法。

研究指出，這項技術將改變 AI 在日常設備中的集成方式，使 AI 任務能夠在本地處理，從而減少對遠程云服務器的依賴，使設備更快、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，所有任務都可以在一個位置高效完成。

該芯片已準備好部署于多種設備中，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)療設備。