受人类大脑的启发，研究人员开发了一种新的突触晶体管，能够进行更高层次的思考。

该设备由西北大学、波士顿学院和麻省理工学院(MIT)的研究人员设计，可以像人脑一样同时处理和存储信息。在新的实验中，研究人员证明，晶体管超越了简单的机器学习任务，可以对数据进行分类，并且能够进行联想学习。

尽管先前的研究利用类似的策略来开发类脑计算设备，但这些晶体管无法在低温之外工作。相比之下，这种新装置在室温下是稳定的。它运行速度快，消耗很少的能量，即使在断电时也能保留存储的信息，使其成为现实应用的理想选择。

这项研究将于周三(12月20日)发表在《自然》杂志上。

西北大学的Mark C. Hersam说，“大脑与数字计算机有着根本不同的结构，在数字计算机中，数据在微处理器和存储器之间来回移动，这会消耗大量能量，并且在试图同时执行多个任务时产生瓶颈。另一方面，在大脑中，记忆和信息处理是共同定位和充分集成的，从而产生了数量级更高的能源效率。我们的突触晶体管类似地实现了并发记忆和信息处理功能，以更忠实地模仿大脑。”

Hersam与波士顿学院的Pablo Jarillo-Herrero共同领导了这项研究。

人工智能(AI)的最新进展促使研究人员开发更像人类大脑运行的计算机。传统的数字计算系统有单独的处理和存储单元，导致数据密集型任务消耗大量的能量。随着智能设备不断收集大量数据，研究人员正在争先恐后地寻找新的方法来处理这些数据，而不消耗越来越多的电力。记忆电阻器(memory resistor，简称“忆阻器”)是目前最发达的一种能同时完成处理和记忆功能的技术。但是记忆电阻器仍然受到能量昂贵的开关的影响。

“几十年来，电子学的范式一直是用晶体管制造所有东西，并使用相同的硅结构，仅仅在集成电路中封装越来越多的晶体管就已经取得了重大进展。你不能否认这一策略的成功，但它是以高功耗为代价的，特别是在当前的大数据时代，数字计算正在压倒电网。我们必须重新考虑计算硬件，尤其是人工智能和机器学习任务。”Hersam说。

为了重新思考这种模式，Hersam和他的团队探索了Moiré模式物理学的新进展，Moiré模式是一种几何设计，当两个模式相互叠加时就会出现。当二维材料堆叠时，新的特性就会出现，而这些特性并不存在于单独的一层中。当这些层被扭曲形成波纹图案时，前所未有的电子特性可调性就成为可能。

对于新设备，研究人员结合了两种不同类型的原子薄材料:双层石墨烯和六方氮化硼。当堆叠和有目的地扭曲时，材料形成了一个波纹图案。通过旋转一层相对于另一层，研究人员可以在每层石墨烯中获得不同的电子特性，即使它们之间只有原子尺度的距离。通过选择正确的扭曲方式，研究人员在室温下利用摩尔物理学来研究神经形态功能。

“扭转作为一个新的设计参数，排列的数量是巨大的，石墨烯和六方氮化硼在结构上非常相似，但不同之处在于，你会得到异常强烈的莫尔效应。”

为了测试晶体管，Hersam和他的团队训练它识别相似但不完全相同的模式。就在本月早些时候，Hersam推出了一种新的纳米电子设备，能够以一种节能的方式分析和分类数据，但他的新型突触晶体管使机器学习和人工智能又向前迈进了一步。

“如果人工智能是为了模仿人类的思维，那么最底层的任务之一就是对数据进行分类，也就是简单地把数据分类到箱子里，我们的目标是推动人工智能技术向更高层次思维的方向发展。现实世界的情况往往比目前的人工智能算法所能处理的更复杂，因此我们在更复杂的条件下测试了我们的新设备，验证它们的先进功能。”

首先，研究人员向设备展示了一个模式:000(连续三个零)。然后，他们让人工智能识别类似的模式，比如111或101。“如果我们训练它检测000，然后给它111和101，它知道111比101更像000，000和111并不完全相同，但都是连续的三位数字。认识到相似性是一种更高层次的认知形式，被称为联想学习。”

在实验中，新的突触晶体管成功地识别出类似的模式，显示出它的联想记忆。即使研究人员扔出曲线球——比如给它不完整的模式——它仍然成功地展示了联想学习。

“目前的人工智能很容易混淆，这在某些情况下可能会造成重大问题，想象一下，如果你驾驶的是自动驾驶汽车，天气状况会恶化。自动驾驶汽车可能无法像人类驾驶员那样解读更复杂的传感器数据。但即使我们给晶体管不完美的输入，它仍然可以识别正确的响应。”