神經形態計算：低功耗AI的未來途徑

數據驅動的應用，特別是人工智能（AI）的日益普及，正在改變人類與技術的互動方式，也引發了人們對其進一步研究、開發和應用的濃厚興趣，從而有效解決許多長期未解的復雜問題。

不過，AI對環境的影響也愈發受到關注。

為了應對低功耗系統執行復雜AI算法的挑戰，神經形態技術是未來計算領域的有力競爭者，特別是在解決復雜問題和推動多個領域的發展中，展現出巨大潛力。

平衡性能與可持續發展至關重要

AI和機器學習的廣泛應用推動了科學研究、教育、交通、智慧城市、電子健康和元宇宙等領域的發展。

然而，對性能的過度關注有時使我們忽視了重要問題。例如，用戶對即時信息獲取的依賴，可能導致很多人忽略了支持這一過程的計算系統帶來的能源消耗和環境影響。

因此，平衡性能與可持續性對于技術發展至關重要，AI對環境的影響也日益受到關注。

根據對過去40年間算力需求的統計，近年變化尤其顯著，大約每兩個月需求就要翻倍。

智能架構和硬件與軟件協同設計取得了顯著進展，其中NVIDIA（GPU）在2012至2021年間性能提升了317倍，超出了摩爾定律的預測。然而，傳統計算方法在長期內難以滿足需求，尤其是考慮到訓練深度學習模型時的高成本。

因此，探索替代方法，以確保AI可持續發展至關重要。

另一個挑戰：低功耗+算力

除了全球能源消耗，另一個挑戰，是在不依賴云計算的情況下，低功耗系統執行復雜AI算法的能力。

這兩個獨立的問題，可能需要不同的解決策略。

計算的能效和性能，可以通過模仿大腦的生物機制來提升。

生物系統通常高度專業化，不同任務需要不同計算方案。單一架構難以適用于所有應用場景，但我們仍可從其通用特征中汲取靈感。通過跨學科合作，材料科學、器件工程、系統設計以及算法開發的專家們共同推動神經形態計算的發展。

這種合作對于促進生物系統與人工智能的結合至關重要。

“神經形態”一詞最早由美國加州理工學院教授卡弗·米德在20世紀80年代提出，指模仿生物神經系統特征的器件和系統。如今，這一術語涵蓋了具有腦啟發特性的系統，如存內計算、硬件學習、脈沖處理、細粒度并行處理和減精度計算。

生物單元（如神經元）和電子元件（如憶阻器）也有相似之處。值得注意的是，許多與神經形態計算相關的范式也已單獨研究，如存內計算，它是提升AI硬件和一般計算能效的重要途徑，并突破了傳統馮·諾依曼架構。

神經形態研究，可分為3個主要領域：神經形態工程，利用CMOS技術（如亞閾值晶體管）或后CMOS技術，復制大腦的計算單元和機制；神經形態計算，借鑒生物系統，探索新型數據處理方法，如基于脈沖的計算；神經形態器件，開發創新的納米器件，通常模擬生物組件（如神經元和突觸）或實現存內計算等功能。

材料工程是關鍵

神經形態研究方法可按研究目標分為兩類：一類專注于開發高效硬件平臺，幫助理解生物神經系統；另一類則借鑒大腦原理，創造創新計算應用。

對于后者，尤其應該關注材料工程在推進CMOS和后CMOS技術中的關鍵作用。

數十年來，隨著對晶體管依賴的電子技術發展，我們正迎來納米電子技術的新紀元，其中基于功能材料的納米電子技術變得尤為重要。

納米級憶阻器，作為這一領域的明星，以其直接堆疊結構、多樣化功能和特定優勢，如可擴展性、溫度穩定性、抗干擾能力等，在眾多應用中扮演著關鍵角色。

憶阻器及其類似技術已成為下一代神經形態計算架構的基礎單元，從20世紀60年代的阻變存儲器發展至今，已成為人工神經元和突觸的關鍵技術。

材料科學的基礎原理對于開發新型納米電子技術至關重要。憶阻器的吸引力源于其所具備的多種優勢，這些優勢受到材料及工藝的影響和調節。

阻變薄膜的材料種類繁多，包括一維、二維和三維材料，涵蓋無機、有機及生物材料。憶阻行為的物理現象包括相變、氧化還原反應、離子傳輸、電子效應、范德華力，以及磁性和磁阻變化——這些現象強烈依賴于所使用的材料，而主要挑戰在于正確選擇適當材料組合及其尺寸。

神經形態硬件技術未來發展的關鍵步驟，包括2～3年的短期目標，是將新型非易失性存儲器與數字系統集成，并在同一芯片上制造。3～5年的中期目標，涉及模擬計算，而長期目標則是實現真正的神經形態功能。

盡管預測這些目標的實現時間存在不確定性，但MRAM、RRAM和PCM等技術已經在產品中得到應用。

近期研究成果表明，在未來3～5年內，某些模擬系統可能會被更廣泛地應用，而真正的神經形態技術可能率先在特定場景中實施。

推薦最有前景的材料系統，是科學家一項復雜的任務。

RRAM技術因其簡單性和與CMOS的兼容性可能具有優勢。基于氧化鉿（HfO2）的鐵電隨機存儲器（FeRAMs）和MRAM技術也展現出活躍的發展前景。二維材料有望與這些技術集成，進一步提升器件性能。

不同的應用對材料的要求不同，從嵌入式系統的集成便利性到非易失性存儲器超越閃存的性能需求，以及對非傳統模擬或神經形態功能的需求，都在不斷發展中。

根據中國科學院科技戰略咨詢研究院、中國科學院文獻情報中心與科睿唯安日前聯合發布的《2024研究前沿報告》，類腦計算硬件創新設計方面有兩個熱點前沿方向，利用憶阻器實現高效的神經網絡硬件加速首次成為熱點前沿，神經形態計算的硬件設計、算法創新與應用，延續了去年脈沖神經網絡及其神經形態芯片繼續受全球廣泛關注，成為熱點前沿主題。

神經形態技術無疑是未來計算領域的有力競爭者，無論是基于傳統的數字、模擬計算，還是基于概念上不同的計算和信號處理范式，它都展現出巨大的潛力。

隨著研究的深入和技術的發展，神經形態計算將在未來發揮重要作用，特別是在解決長期未解的復雜問題和推動科學研究、教育、交通等領域的發展中。

（作者阿德南·米奧尼克Adnan Mehonic系《應用物理快報—機器學習》主編。本文系本報記者張楠根據其發表在《應用物理快報—材料》的署名文章編輯整理。）