芯東西9月27日消息，韓國(guó)當(dāng)?shù)貢r(shí)間9月26日，三星電子宣布，其研究人員和哈佛大學(xué)教授聯(lián)合提出了一種將大腦神經(jīng)元連接圖(neuronal wiring map)“復(fù)制、粘貼”到高密度3維存儲(chǔ)網(wǎng)絡(luò)上的可能。

　　論文作者設(shè)想創(chuàng)建一種類似人腦的存儲(chǔ)芯片，該芯片將具有低功耗、輕松學(xué)習(xí)、適應(yīng)環(huán)境等特性，未來甚至可以具備自主性和認(rèn)知能力。

　　這項(xiàng)研究于9月23日刊登在了頂級(jí)期刊《自然·電子》上，論文題目為《Neuromorphic electronics based on copying and pasting the brain(基于復(fù)制和粘貼大腦的神經(jīng)擬態(tài)電子學(xué))》。

　　論文DOI鏈接：https://doi.org/10.1038/s41928-021-00646-1

　　01 .回歸神經(jīng)電子學(xué)科最初目標(biāo)，逆向工程研究大腦

　　神經(jīng)擬態(tài)電子學(xué)始于20世紀(jì)80年代，其目的是利用集成電路來模擬生物神經(jīng)系統(tǒng)中神經(jīng)元網(wǎng)絡(luò)的結(jié)構(gòu)和功能。該學(xué)科的最終目標(biāo)是將大腦的計(jì)算能力帶到固態(tài)平臺(tái)上。然而，由于模仿大腦神經(jīng)元網(wǎng)絡(luò)過于困難，該學(xué)科的研究重點(diǎn)已經(jīng)轉(zhuǎn)向事件驅(qū)動(dòng)操作、記憶中的信息處理等受到大腦特征啟發(fā)的技術(shù)。

　　目前，這一學(xué)科的研究主要可分為兩類，分別為人工神經(jīng)網(wǎng)絡(luò)(ANN)和自然神經(jīng)網(wǎng)絡(luò)(NNN)。

　　人工神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)的框架，已經(jīng)促使該領(lǐng)域出現(xiàn)了一系列強(qiáng)大的人工智能(AI)應(yīng)用。自然神經(jīng)網(wǎng)絡(luò)則是自然智能的基礎(chǔ)，由電化學(xué)提供動(dòng)力。與人工神經(jīng)網(wǎng)絡(luò)相比，自然神經(jīng)網(wǎng)絡(luò)可以從條件很少或條件很差的數(shù)據(jù)中學(xué)習(xí)，以適應(yīng)環(huán)境。

　　由于當(dāng)前人類對(duì)神經(jīng)元如何在大腦內(nèi)部工作知之甚少，構(gòu)建一個(gè)具有獨(dú)特計(jì)算能力的神經(jīng)網(wǎng)絡(luò)電路從根本上受到了挑戰(zhàn)。伴隨著人工智能技術(shù)的發(fā)展，在CPU、GPU、NPU、TPU等數(shù)字處理器之外，研究人員開始推動(dòng)模擬輔助功能的處理器，這類處理器在AI計(jì)算中的功耗更低。

　　論文作者認(rèn)為，這類模擬輔助的處理器的運(yùn)行方式靈感來自大腦，其存內(nèi)計(jì)算的理念就如同生物突觸分布在大腦中一樣。不過這類處理器的目標(biāo)仍是計(jì)算AI算法，而不是模擬大腦運(yùn)行。三星和哈佛大學(xué)的研究團(tuán)隊(duì)希望回到神經(jīng)擬態(tài)電子學(xué)最初的目標(biāo)，即通過逆向工程研究大腦。

　　▲當(dāng)前的神經(jīng)擬態(tài)電子學(xué)科研究

　　02 .CNEA實(shí)現(xiàn)數(shù)千突觸連接記錄，3D存儲(chǔ)芯片成自然神經(jīng)網(wǎng)絡(luò)載體

　　為了實(shí)現(xiàn)上述目標(biāo)，三星和哈佛的研究人員使用CMOS納米電極陣列(CMOS nanoelectrode array，CNEA)和存儲(chǔ)芯片對(duì)大腦神經(jīng)元連接進(jìn)行“復(fù)制、粘貼”，構(gòu)建自然神經(jīng)網(wǎng)絡(luò)。

　　CMOS納米電極陣列是此前哈佛大學(xué)研究團(tuán)隊(duì)的成果，該團(tuán)隊(duì)在半導(dǎo)體芯片上加工出了4096個(gè)記錄和刺激電極的CMOS納米電極陣列，芯片上還有4096個(gè)電子通道，可以同時(shí)記錄數(shù)千個(gè)神經(jīng)元的突觸連接。2020年，這項(xiàng)研究發(fā)表在了《自然·生物醫(yī)學(xué)工程》上。

　　▲CMOS納米電極陣列

　　因?yàn)镃MOS納米電極陣列中，每個(gè)垂直納米電極都配備了電流注入器和電壓放大器，可以持續(xù)向神經(jīng)元注入電流，穩(wěn)定細(xì)胞的電生理，這使神經(jīng)元能夠在研究的時(shí)候保持活性。

　　在實(shí)驗(yàn)中，研究團(tuán)隊(duì)通過CMOS納米電極陣列研究小鼠皮層神經(jīng)元網(wǎng)絡(luò)，在19分鐘內(nèi)測(cè)量了來自1728個(gè)電極的細(xì)胞信號(hào)。這個(gè)數(shù)字還能夠很容易地進(jìn)行擴(kuò)展，因?yàn)橹圃礻嚵忻芏雀?、性能更?qiáng)的半導(dǎo)體器件正是半導(dǎo)體行業(yè)所一直追求的。

　　目前，研究團(tuán)隊(duì)正在研究小鼠的視網(wǎng)膜和嗅球/梨狀皮層中神經(jīng)元，這些神經(jīng)元由于功能不同，其組織形態(tài)也并不相同，有著各自的研究?jī)r(jià)值。之后，研究團(tuán)隊(duì)也會(huì)從這些外圍神經(jīng)元逐漸探索大腦神經(jīng)元的突觸連接。

　　在“粘貼”這一步，三星和哈佛大學(xué)的研究團(tuán)隊(duì)則計(jì)劃當(dāng)記錄下細(xì)胞內(nèi)神經(jīng)信號(hào)后，用專門設(shè)計(jì)的存儲(chǔ)器網(wǎng)絡(luò)下載信號(hào)，構(gòu)建自然神經(jīng)網(wǎng)絡(luò)。

　　▲通過計(jì)算機(jī)輔助分析“復(fù)制”的神經(jīng)信號(hào)，再將信號(hào)“粘貼”到存儲(chǔ)網(wǎng)絡(luò)中

　　研究團(tuán)隊(duì)寫道，隨著3D堆疊、先進(jìn)封裝等技術(shù)發(fā)展，存儲(chǔ)芯片有著承載記憶網(wǎng)絡(luò)的潛力。其中，閃存、磁性隨機(jī)存取存儲(chǔ)器(MRAM)、相變隨機(jī)存取存儲(chǔ)器(PRAM)和電阻式隨機(jī)存取存儲(chǔ)器(RRAM)4種存儲(chǔ)芯片各具優(yōu)點(diǎn)，被研究人員認(rèn)為可用作存儲(chǔ)網(wǎng)絡(luò)載體。

　　具體來說，研究人員將用計(jì)算機(jī)輔助分析程序來提取功能性突觸連接圖，然后用該圖構(gòu)建、編程一個(gè)記憶網(wǎng)絡(luò)。由于一個(gè)神經(jīng)元在大腦中約有1000個(gè)突觸，因此記憶網(wǎng)絡(luò)應(yīng)具有1000倍神經(jīng)元的內(nèi)存芯片。

　　對(duì)于存儲(chǔ)器來說，快速寫入并驗(yàn)證記憶網(wǎng)絡(luò)并不困難，當(dāng)前3D閃存的寫入速度通常超過100MB/s。但對(duì)計(jì)算機(jī)輔助分析程序來說，即使是4096個(gè)通道在19分鐘里也會(huì)產(chǎn)生約80G的數(shù)據(jù)，隨著CMOS納米電極陣列進(jìn)一步擴(kuò)展，其數(shù)據(jù)量也會(huì)有所提升。

　　研究人員也嘗試?yán)@過計(jì)算機(jī)輔助分析，將每個(gè)硅基芯片和生物神經(jīng)元一一對(duì)應(yīng)，直接將連接圖下載到RRAM或PRAM網(wǎng)絡(luò)上。但由于離子通道的隨機(jī)性等原因，RRAM和PRAM存儲(chǔ)器很難應(yīng)用在大型網(wǎng)絡(luò)中。

　　▲可承載自然神經(jīng)網(wǎng)絡(luò)的3D存儲(chǔ)芯片

　　03 .未來或創(chuàng)建類腦存儲(chǔ)芯片，甚至可模擬神經(jīng)元生長(zhǎng)變化

　　盡管實(shí)現(xiàn)起來還有很多挑戰(zhàn)，但這項(xiàng)研究是一項(xiàng)開創(chuàng)性的努力，旨在對(duì)大腦神經(jīng)元進(jìn)行重建。截至目前，學(xué)界通過顯微鏡研究獲得的大腦信息主要源自解刨圖，沒有對(duì)不同功能突觸的連接進(jìn)行量化。

　　三星和哈佛大學(xué)研究團(tuán)隊(duì)所進(jìn)行的這項(xiàng)研究可以重現(xiàn)不同功能突觸的連接，還可展現(xiàn)離子通道、反饋延遲等其他神經(jīng)元屬性。理想情況下，該研究無需揭示神經(jīng)元的工作原理，就像是對(duì)大腦的快照一樣獲得神經(jīng)元連接和分布。

　　三星稱，如果研究成功，研究人員可以創(chuàng)建一種接近大腦的存儲(chǔ)芯片。該存儲(chǔ)芯片具備低功耗、輕松學(xué)習(xí)、適應(yīng)環(huán)境，甚至包括自主性和認(rèn)知能力等特性。

　　論文最后，研究團(tuán)隊(duì)承認(rèn)，該研究也存在一些理論上的缺陷。比如大腦神經(jīng)元會(huì)因?yàn)閷W(xué)習(xí)和生長(zhǎng)而發(fā)生變化，但該研究采用固定的芯片承載神經(jīng)元網(wǎng)絡(luò)，無法跟蹤大腦神經(jīng)元發(fā)生的緩慢變化。未來，他們可以創(chuàng)建一個(gè)具有可塑性的自然神經(jīng)網(wǎng)絡(luò)，模擬大腦神經(jīng)元變化。

　　研究人員稱，他們不能保證能夠解決每一個(gè)挑戰(zhàn)，但相信可以通過這項(xiàng)研究突破神經(jīng)擬態(tài)工程、神經(jīng)科學(xué)和半導(dǎo)體等技術(shù)的界限。

　　▲論文的共同通訊作者(從左至右分別為：三星高等技術(shù)學(xué)院(SAIT)院士兼哈佛大學(xué)教授Donhee Ham、哈佛大學(xué)教授樸洪坤、三星SDS總裁兼首席執(zhí)行官Sungwoo Hwang(前SAIT負(fù)責(zé)人)和三星電子副董事長(zhǎng)兼CEO Kinam Kim)

　　04 .結(jié)語：研究或?qū)⒓铀傧嚓P(guān)神經(jīng)元研究

　　隨著人工智能技術(shù)的發(fā)展，推薦算法、深度學(xué)習(xí)等應(yīng)用迅速普及，機(jī)器視覺、AI醫(yī)療、AI芯片等相關(guān)新興賽道涌入了大量玩家。無論是創(chuàng)企還是科技巨頭都在加快布局，占領(lǐng)新的市場(chǎng)。

　　但同時(shí)，腦科學(xué)在神經(jīng)元模擬等方面的進(jìn)展并沒有人工智能那么大。本次三星和哈佛大學(xué)的研究既為神經(jīng)元連接研究提供了一種新的可能和方向，也有著巨大的應(yīng)用前景。這或許可以吸引更多地高校、企業(yè)加入，加速相關(guān)領(lǐng)域研究。