編譯 |  高歌
編輯 |  Panken
芯東西9月27日消息，韓國當?shù)貢r間9月26日，三星電子宣布，其研究人員和哈佛大學教授聯(lián)合提出了一種將大腦神經(jīng)元連接圖（neuronal wiring map）“復制、粘貼”到高密度3維存儲網(wǎng)絡上的可能。論文作者設想創(chuàng)建一種類似人腦的存儲芯片，該芯片將具有低功耗、輕松學習、適應環(huán)境等特性，未來甚至可以具備自主性和認知能力。這項研究于9月23日刊登在了頂級期刊《自然·電子》上，論文題目為《Neuromorphic electronics based on copying and pasting the brain（基于復制和粘貼大腦的神經(jīng)擬態(tài)電子學）》。

回歸神經(jīng)電子學科最初目標逆向工程研究大腦

神經(jīng)擬態(tài)電子學始于20世紀80年代，其目的是利用集成電路來模擬生物神經(jīng)系統(tǒng)中神經(jīng)元網(wǎng)絡的結構和功能。該學科的最終目標是將大腦的計算能力帶到固態(tài)平臺上。然而，由于模仿大腦神經(jīng)元網(wǎng)絡過于困難，該學科的研究重點已經(jīng)轉向事件驅動操作、記憶中的信息處理等受到大腦特征啟發(fā)的技術。目前，這一學科的研究主要可分為兩類，分別為人工神經(jīng)網(wǎng)絡（ANN）和自然神經(jīng)網(wǎng)絡（NNN）。人工神經(jīng)網(wǎng)絡是機器學習的框架，已經(jīng)促使該領域出現(xiàn)了一系列強大的人工智能（AI）應用。自然神經(jīng)網(wǎng)絡則是自然智能的基礎，由電化學提供動力。與人工神經(jīng)網(wǎng)絡相比，自然神經(jīng)網(wǎng)絡可以從條件很少或條件很差的數(shù)據(jù)中學習，以適應環(huán)境。由于當前人類對神經(jīng)元如何在大腦內部工作知之甚少，構建一個具有獨特計算能力的神經(jīng)網(wǎng)絡電路從根本上受到了挑戰(zhàn)。伴隨著人工智能技術的發(fā)展，在CPU、GPU、NPU、TPU等數(shù)字處理器之外，研究人員開始推動模擬輔助功能的處理器，這類處理器在AI計算中的功耗更低。論文作者認為，這類模擬輔助的處理器的運行方式靈感來自大腦，其存內計算的理念就如同生物突觸分布在大腦中一樣。不過這類處理器的目標仍是計算AI算法，而不是模擬大腦運行。三星和哈佛大學的研究團隊希望回到神經(jīng)擬態(tài)電子學最初的目標，即通過逆向工程研究大腦。

CNEA實現(xiàn)數(shù)千突觸連接記錄，3D存儲芯片成自然神經(jīng)網(wǎng)絡載體

為了實現(xiàn)上述目標，三星和哈佛的研究人員使用CMOS納米電極陣列（CMOS nanoelectrode array，CNEA）和存儲芯片對大腦神經(jīng)元連接進行“復制、粘貼”，構建自然神經(jīng)網(wǎng)絡。CMOS納米電極陣列是此前哈佛大學研究團隊的成果，該團隊在半導體芯片上加工出了4096個記錄和刺激電極的CMOS納米電極陣列，芯片上還有4096個電子通道，可以同時記錄數(shù)千個神經(jīng)元的突觸連接。2020年，這項研究發(fā)表在了《自然·生物醫(yī)學工程》上。

因為CMOS納米電極陣列中，每個垂直納米電極都配備了電流注入器和電壓放大器，可以持續(xù)向神經(jīng)元注入電流，穩(wěn)定細胞的電生理，這使神經(jīng)元能夠在研究的時候保持活性。在實驗中，研究團隊通過CMOS納米電極陣列研究小鼠皮層神經(jīng)元網(wǎng)絡，在19分鐘內測量了來自1728個電極的細胞信號。這個數(shù)字還能夠很容易地進行擴展，因為制造陣列密度更大、性能更強的半導體器件正是半導體行業(yè)所一直追求的。目前，研究團隊正在研究小鼠的視網(wǎng)膜和嗅球/梨狀皮層中神經(jīng)元，這些神經(jīng)元由于功能不同，其組織形態(tài)也并不相同，有著各自的研究價值。之后，研究團隊也會從這些外圍神經(jīng)元逐漸探索大腦神經(jīng)元的突觸連接。在“粘貼”這一步，三星和哈佛大學的研究團隊則計劃當記錄下細胞內神經(jīng)信號后，用專門設計的存儲器網(wǎng)絡下載信號，構建自然神經(jīng)網(wǎng)絡。

研究團隊寫道，隨著3D堆疊、先進封裝等技術發(fā)展，存儲芯片有著承載記憶網(wǎng)絡的潛力。其中，閃存、磁性隨機存取存儲器（MRAM）、相變隨機存取存儲器（PRAM）和電阻式隨機存取存儲器（RRAM）4種存儲芯片各具優(yōu)點，被研究人員認為可用作存儲網(wǎng)絡載體。具體來說，研究人員將用計算機輔助分析程序來提取功能性突觸連接圖，然后用該圖構建、編程一個記憶網(wǎng)絡。由于一個神經(jīng)元在大腦中約有1000個突觸，因此記憶網(wǎng)絡應具有1000倍神經(jīng)元的內存芯片。對于存儲器來說，快速寫入并驗證記憶網(wǎng)絡并不困難，當前3D閃存的寫入速度通常超過100MB/s。但對計算機輔助分析程序來說，即使是4096個通道在19分鐘里也會產(chǎn)生約80G的數(shù)據(jù)，隨著CMOS納米電極陣列進一步擴展，其數(shù)據(jù)量也會有所提升。研究人員也嘗試繞過計算機輔助分析，將每個硅基芯片和生物神經(jīng)元一一對應，直接將連接圖下載到RRAM或PRAM網(wǎng)絡上。但由于離子通道的隨機性等原因，RRAM和PRAM存儲器很難應用在大型網(wǎng)絡中。

未來或創(chuàng)建類腦存儲芯片，甚至可模擬神經(jīng)元生長變化

盡管實現(xiàn)起來還有很多挑戰(zhàn)，但這項研究是一項開創(chuàng)性的努力，旨在對大腦神經(jīng)元進行重建。截至目前，學界通過顯微鏡研究獲得的大腦信息主要源自解刨圖，沒有對不同功能突觸的連接進行量化。三星和哈佛大學研究團隊所進行的這項研究可以重現(xiàn)不同功能突觸的連接，還可展現(xiàn)離子通道、反饋延遲等其他神經(jīng)元屬性。理想情況下，該研究無需揭示神經(jīng)元的工作原理，就像是對大腦的快照一樣獲得神經(jīng)元連接和分布。三星稱，如果研究成功，研究人員可以創(chuàng)建一種接近大腦的存儲芯片。該存儲芯片具備低功耗、輕松學習、適應環(huán)境，甚至包括自主性和認知能力等特性。論文最后，研究團隊承認，該研究也存在一些理論上的缺陷。比如大腦神經(jīng)元會因為學習和生長而發(fā)生變化，但該研究采用固定的芯片承載神經(jīng)元網(wǎng)絡，無法跟蹤大腦神經(jīng)元發(fā)生的緩慢變化。未來，他們可以創(chuàng)建一個具有可塑性的自然神經(jīng)網(wǎng)絡，模擬大腦神經(jīng)元變化。研究人員稱，他們不能保證能夠解決每一個挑戰(zhàn)，但相信可以通過這項研究突破神經(jīng)擬態(tài)工程、神經(jīng)科學和半導體等技術的界限。

結語：研究或將加速相關神經(jīng)元研究

隨著人工智能技術的發(fā)展，推薦算法、深度學習等應用迅速普及，機器視覺、AI醫(yī)療、AI芯片等相關新興賽道涌入了大量玩家。無論是創(chuàng)企還是科技巨頭都在加快布局，占領新的市場。但同時，腦科學在神經(jīng)元模擬等方面的進展并沒有人工智能那么大。本次三星和哈佛大學的研究既為神經(jīng)元連接研究提供了一種新的可能和方向，也有著巨大的應用前景。這或許可以吸引更多地高校、企業(yè)加入，加速相關領域研究。