利用莫尔图样开发的莫尔突触晶体管

受人脑的启发，研究人员开发出了一种新的突触晶体管，它可以像人脑一样同时处理和存储信息，进行更高层次的思考。

传统计算 vs 脑

几十年来，电子学的范式一直是使用晶体管来制造一切。科学家仅通过将越来越多的晶体管封装在集成电路方面，就已经取得了重大进展。但这种成功是以高功耗为代价的。在当前的大数据时代，电网正在承受数字计算带来的压力。人工智能（AI）和机器学习的最新进展，使得科学家愈发迫切地想要开发出运行方式更像人脑的计算设备。

人脑与数字计算机有着根本性的不同。在传统的数字计算机中，数据的处理单元和存储单元是各自独立的，数据在微处理器和存储器之间来回移动时，会消耗大量能量。当计算机要同时执行多个任务时，这种高功耗问题会尤为严重。而在脑中，记忆和信息处理是共同定位和充分一体化的，因而具有更高数量级的能源效率。

在过去的许多研究中，一些团队开发出了与人脑类似的计算设备，但那些晶体管都无法在非低温环境下工作。

莫尔突触晶体管

在新研究中，研究人员决定利用莫尔图样（moiré pattern）来开发所谓的突触晶体管。

莫尔图样是一种当两个图样相互叠加时就会出现的几何图样。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层结构中。当这些层级结构被扭转形成莫尔图样时，就有可能收获前所未有的电子特性。

在这种新的突触晶体管中，研究人员结合了两种不同类型的原子级薄材料：双层石墨烯和六方氮化硼。石墨烯和六方氮化硼在结构上非常相似，但它们之间的不同之处也足以产生异常强烈的莫尔效应。

当研究人员将它们堆叠在一起，并将一层材料相对于另一层扭转时，这些材料就形成了莫尔图样。通过这种扭转，研究人员可以在每层材料中获得不同的电子特性，即使层与层之间只相隔原子级尺度的距离。

当扭转成为一个新的设计参数时，科学家可以获得数量巨大的排列方式。研究人员发现，通过选择正确的扭转方式，新发展的突触晶体管就可以在室温下仍保持稳定，且它的运行速度很快，消耗的能量很少，即使在断电时也能保留存储的信息。

更高级的思维

如果人工智能的存在注定是为了模仿人类的思维，那么它们需要完成的最底层的任务之一就是对数据进行分类。研究人员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为复杂。为了测试新的晶体管，研究团队训练它来识别相似但不完全相同的模式，在这种更为复杂的情况下测试其功能的先进性。

首先，他们向设备展示了一个模式“000”。然后，他们让人工智能识别如“111”或“101”等类似的模式。如果训练内容是让它检测000，然后当它探测到111和101时，它能识别出111比101更像000。虽然000和111并不完全相同，但都是连续的三位数。而认识到这种相似性，就是一种更高层次的认知形式，被称为联想学习。

实验结果表明，新的突触晶体管成功地识别出了类似的模式，显示出了联想记忆。这表明这种晶体管已经超越了简单的机器学习任务，而是可以在对数据进行分类的同时，并且进行联想学习。这意味着它类似人脑一样，实现了并发记忆和信息处理功能，更贴切地模仿了人脑。

目前的人工智能很容易混乱，这在某些情况下可能会造成重大问题。但这种新型的突触晶体管使机器学习和人工智能又向前迈进了一步。它表明，即使我们给晶体管的输入是不完美的，它仍然可以做出正确的识别和响应。







审核编辑：刘清