科学家开发出自主学习电子元件 或有助解决AI能耗难题

参考消息网报道 据德国《法兰克福评论报》网站7月12日报道，学校熄灯、政府机构关闭电脑、空调调低：美国弗吉尼亚州的现状显示出人工智能（AI）的电力消耗代价多么高昂。数据中心正从电网中抽取越来越多的能源。

当前的人工智能芯片存在一个根本性问题：它们将计算和存储分开。数据必须不断来回传输，而这种传输过程消耗了大量能量。人脑的工作效率更高。它在连接形成的地方处理信号，并通过经验改变这些连接。

德国维尔茨堡大学的研究人员现已开发出旨在模拟这一原理的电子元件。相关研究成果已发表于《自然-通讯》。

研究人员研究了由两种氧化物材料——铝酸镧和钛酸锶——制成的元件。这两种材料本身都不导电。然而，当它们以特殊的层状结构接触时，在其界面处会形成一个极薄的导电区域。该区域构成了微小电子元件的基础，这些元件可以实现多种功能。

根据电路连接方式的不同，单个元件可用作晶体管、忆阻器或忆容器。也就是说，它可以切换电流、改变电阻或存储电信号的历史状态。这样一来，处理和存储在同一结构中更紧密地结合起来。在生物神经系统中，学习同样产生于神经连接对先前的刺激做出反应。

所研究的结构非常微小，表面积约1平方微米。据计算，具有类似功能的独立元件所需空间约为其4到10倍。芯片上的连接也可以大幅缩短。研究作者预计，当多种功能集成于同一平台时，布线可减少50%至70%。

在实践测试中，研究团队采用了一项来自所谓“储备池计算”领域的任务。这种硬件按照时间顺序处理电信号序列，而无需对每个内部路径进行繁琐的训练。研究人员使用0到9的简单数字图像进行测试。数字图案被故意做得很粗糙，以便检验该电子元件能否区分电脉冲序列。

系统以电脉冲序列的形式接收这些图案。输出电压根据信号的顺序而变化。几乎所有测试图案都能被可靠地区分开。

在能耗对比中，由晶体管和忆容器组成的电路更胜一筹：其能耗显著低于晶体管和忆阻器组成的同类方案。该测试虽不能替代大型人工智能应用，却表明了这类硬件的节能潜力。

研究人员还勾勒了其在健康监测领域的可能应用。目前，可穿戴传感器已能测量心率、血压、体温、血氧饱和度或血糖。但数据通常需要转发或由额外的电子设备进行评估。具备学习能力的元件可以直接在传感器中预做某些判断。

在研究中，研究人员模拟了一个简单的健康模型。一个电路处理心率和血压，并设有针对健康人群或心脏病患者的预设值。

在健康人群中，只有当心率和血压同时升高时才会触发警报。而对于心脏病患者，一个异常值便会触发警报。也就是说，系统逻辑能够根据不同的初始情况在不同的决策规则之间切换。

这些元件还能存储逻辑状态。在实验中，高电平状态有时可持续1500秒至2000秒。一个或门逻辑电路的低电平状态持续了约370秒。这些数值并非医学性能数据，而是在物理模型上的测量结果。它们表明，处理和存储可以在同一结构中实现结合。

研究人员认为这为新型集成电路开辟了可能路径。他们写道：“我们的研究成果为基于氧化物的单片集成电路铺平了道路，这种电路可在可扩展、与硅兼容且节能的单一平台上实现多态和神经形态计算。”（编译/焦宇）