類比電子腦能完全模擬人腦嗎?

2016-05-06
作者 R. Colin Johnson

相較於IBM最近為其認知電腦發佈的數位硬體模擬元件,莫斯科物理技術學院(Moscow Institute of Physics and Technology;MIPT)的研究人員致力於使用類比元件來打造電子腦(E-Brain),使其得以像真正的生物大腦一樣作業。

相較於IBM最近為其認知電腦發佈的數位硬體模擬元件,莫斯科物理技術學院(Moscow Institute of Physics and Technology;MIPT)的研究人員致力於使用類比元件來打造電子腦(E-Brain),使其得以像真正的生物大腦一樣作業。

俄羅斯的電子腦關鍵元件將採用憶阻器——這是由加州大學柏克萊分校教授蔡少棠所發現的;不過也有一說是源於神經網路先驅暨史丹佛大學教授Bernard Widrow。無論如何,憶阻器,顧名思義,它能透過電阻的變化記憶有多少電流流過及其流向。MIPT並進一步將其憶阻器縮小至40×40奈米。?

[20160506 MIPT NT01P1]
*MIPT利用氧化鉿(HfO2)突觸(圖中明亮間隙)完成類比電子腦
(來源:MIPT)*

在人類的大腦中,這種重要的功能是由持續生長的化學「突觸」執行的——由於突觸不斷生長,使其於降低其電阻的同時,也提高了電導。如果未加以使用,突觸就會萎縮直至電導性降至零。這種功能通常在夜間睡眠期間啟動,以便在日間增強重要事件。在白天,人們可能因為準備考試而學習(認知記憶)、練習某種運動(肌肉記憶)或記憶單字、片語或列表(圖像記憶),而使得某種的突觸生長。

早在2011年,惠普(Hewlett Packard ;HP)就對於以憶阻器打造電子腦寄予厚望,但後來由於其注意力轉移至與海力士(Hynix)共同開發商用化憶阻器晶片而停擺;不過,新創公司Knowm不久前已經發佈以憶阻器為基礎的處理器元件了。

[20160506 MIPT NT01P2]
電子「突波」訊號經由腦神經元傳送至另一個訊號(黑線),並同步傳送其他各種生物訊號
(來源:MIPT)

如今,由俄羅斯政府支持的MIPT拾起了這一接力棒,全力打造基於類比原則的電子腦,使其得以像真正大腦一樣,不但能表現得較傳統電腦更智慧也更具能效。MIPT採用CMOS晶圓廠的通用材料——氧化鉿(HfO2),重新發展這種創憶阻器,並帶來了重要創新。現在,MIPT逐一為其進行整合,最終創造出類比電子腦,並期望以此超越IBM的數位「認知電腦」。

「我們先在內含金屬氧化物(特別是HfO2)薄層的憶阻器上施加電壓,即可從晶格中驅動氧離子並進一步達到其中的一個電極,留下(電荷)氧空位缺陷,並提供電子傳輸路徑,」MIPT奈米電子功能材料與元件實驗室資深研究員Yury Matveyev解釋,「因此,憶阻器的電阻值由絲狀通道中的氧空位的濃度加以定義,而且更重要的是它會在憶阻器偏置期間隨時間而變化。」

目前,Matveyev在MIPT的研究團隊正試圖利用其基於憶阻器的電子腦,模擬實際的人腦常用功能,例如記憶(即神經學家所謂的長期增益效應或LTP)與遺忘(神經學家所謂的長期抑制效應或LTD),是由改變憶阻器的連接強度(由於是類比值,因而也稱為權重)而實現的。LTP與LTD共同搭配時,讓大腦具有可塑性——學習新技巧以及忘記不再需要的事物以便為學習新知挪出更多空間的能力。

「所謂的長期增益效應(LTP)與長期抑制效應(LTD)正是生物突觸的主要特性,定義其突觸的可塑性——即突觸改變其權重(連接強度)的能力,」Matveyev指出,「這種特性被認為是細胞進行學習與記憶的重要機制。為了因應重複的脈衝偏置, LTP與LTD可被模擬為憶阻器中電阻——「突觸權重」(synaptic weight)——的逐漸變化。」

[20160506 MIPT NT01P3]
真實生物大腦(左)中實際的突觸連接電位變化,相較於MIPT憶阻器的電導係數變化——作為暫時區隔「突波」(右)的功能
(來源:MIPT)

IBM雖然採用脈衝模擬神經元在學習期間刺激突觸的方式,其原理是計算接收到的突波與輸入直至超過可變閾值碼,然後啟動類比電壓突波至其單輸出(即突觸後軸突),使其連接至整個大腦中的其他許許多多的神經元(有的軸突可能很長)。

「在我們的研究中,從兩種不同產生器而來的電壓脈衝都可看到真實的神經元突波形狀(如圖),」Matveyev解釋,「並施加在具有不同相對時間延遲的相反電極,從而模擬在突觸前後神經元的突波。其結果是突波發生時間取決於其可塑性功能,如同憶阻器中的電阻變化作為相對電壓脈衝計時的功能,類似於生物突觸展現的行為。」

許多神經科學家十分重視「突波發生時間」的價值,宣稱大腦有賴於同步發生突波,以便為相同的物件搭配視覺、聲音、感覺、味覺與嗅覺等。如果無法為電子腦模型打造出這種同步性,那麼就只能學習到單獨的特性,而無法像人們一樣將所有的特性整合成多方面的物件感知。這種同步的特性也解釋了大腦為何能夠如此快速的作業、解決複雜的問題,而功耗僅20W——因為神經元每秒放電可低至10次左右。

編譯:Susan Hong

(參考原文:Analog Brain to Simulate Real Thing,by R. Colin Johnson)

活動簡介
未來寬能隙半導體元件會在哪些應用成為主流?元件供應商又會開發出哪些新的應用寬能隙元件的電路架構,以協助電力系統開發商進一步簡化設計複雜度、提升系統整體效率?TechTaipei「寬能隙元件市場與技術發展研討會」將邀請寬能隙半導體的關鍵供應商一一為與會者解惑。
贊助廠商
訂閱EETT電子報