语音识别、图像识别、自然语言处理……近年来，源于人工神经网络概念的深度学习飞速发展，大有挑战人类唯我独尊的态势。尽管如此，很多业内人士认为，人工智能发展的终极路线，离不开在硬件上模拟人脑的“电子大脑”。
采用传统硅基晶体管的电路来模拟人脑中的突触或者神经元的功能，不仅耗费大量硬件资源，而且执行信息处理的过程极其耗能。因此找到合适的材料，构建出可以模拟人脑运行的类脑器件，以及由这些器件集成的硬件类脑系统，是人工智能能否实现像人脑那样“灵光”的关键。
近日，南京大学物理学院缪峰教授团队分别在类脑视觉传感器和可重构类脑电路方面取得重要进展。这些研究成果发表在权威期刊《科学·进展》和《自然·电子学》上。
“传统的机器视觉系统需要先探测再处理，使用的图像传感器在探测目标图像的同时会产生大量冗余信息，此类信息通过有限的带宽再传输至计算机，会导致较大的时间延迟和较高的功耗。人眼不仅可以同时探测、处理信息，而且整体功耗极低。”缪峰团队成员梁世军副研究员说。
人类视觉系统强大的信息处理能力，很大程度上依赖于视网膜的独特结构和功能。视网膜中的主要细胞包括感光细胞、双极细胞等，这些细胞之间呈现出垂直分层的结构。
光透过瞳孔入射到视网膜上后，感光细胞将入射光转换为电学信号，流经双极细胞，电学信号会得到一定的预加工和处理。加工后的信息仅仅保留原图像的主要特征，再传输至大脑皮层进行进一步的图像处理和理解。通过这种方式，视网膜在一定程度上实现了信息探测和处理的同步进行。
“二维材料具有原子的尺寸和有别于传统三维材料的全新物理性质，而且对外界刺激响应灵敏。更为有趣的是，二维材料具有非常好的垂直扩展性，我们可以像‘搭乐高’一样，在原子世界里，将性质迥异的多种二维材料按照不同的顺序堆垛，制造出自然界并不存在的新型结构材料。”缪峰说。
他的团队采用“原子乐高”的方式，实现了对视网膜结构和功能的模拟。科研人员将二硒化钨、氮化硼以及氧化铝制备成垂直异质结器件，这些垂直结构不仅能自然地模仿视网膜的垂直分层结构，而且所包含的不同二维材料还可用来模拟视网膜中不同细胞的功能。
“通过控制垂直异质结器件的栅压，我们实现了对感光细胞和双极细胞生物功能的模拟，器件的响应时间和功耗均接近人类视网膜的水平——响应时间小于10毫秒，功耗小于10纳瓦。”缪峰说。
目前，主流的信息处理技术依赖于冯·诺依曼架构，在这种架构中，数据的存储和计算是分开进行的。数据在存储和计算单元之间来回“搬运”，会产生较大的延时和较高的功耗，随时有“交通堵塞”的风险。而人脑的神经结构具有强大的信息处理能力，即使做大量的脑力活动，也只有20瓦左右的功耗。所以，近年来，科学家们不断尝试采用类似人脑神经元的结构来设计电路，以提升算力、降低功耗。
人脑中神经元之间连接的部分被称为突触，它不仅具有记忆的能力，而且能够根据所传递的信号，调整传递效率。模仿此类运算模式的类脑电路，可实现数据的并行传送和分布式处理，并能够低功耗实时处理海量数据。
“如何用更少的硬件，实现更多的运算，这需要电路具有可重构的特性。但目前主流的可重构电路是基于传统的硅基电路，构成这些电路的晶体管器件具有单一的电学特性，一旦制备完成，就无法通过电学操作实现动态转换。只有通过耗费大量的晶体管，来构建复杂的电路，才能让电路拥有可重构的计算能力。”缪峰说，他的团队利用二维层状半导体材料二硒化钨，设计出电场可调的二维同质结(ETH)器件，这种器件会表现出8种不同的电流开关状态，从而在器件层面实现了“可重构”的电流开关特性。
“在大脑神经系统中，一个神经元需要与多个神经元之间互联来进行信息的传递和处理，这与传统晶体管器件单一端口的控制方式完全不同，所以拥有多端信号传递和多种电流开关状态的ETH器件，可以用来设计类似大脑的能够满足不同信息处理需求的类脑电路。”缪峰介绍，在传统的类脑芯片中，需要耗费超过10个晶体管，才能模拟生物突触的功能，这在很大程度上会限制传统类脑芯片的集成度。但研究团队设计的可重构突触电路，仅需利用3个ETH 器件和一个电容元件。
缪峰说，这意味着，通过设计电场可调的ETH器件，在确保器件与电路都具有可重构功能的同时，可以大幅降低电路晶体管资源的消耗。“一方面有利于芯片的小型化和功能密度的提升，另一方面也能降低芯片的整体能耗，有望助力物联网、边缘计算、人工智能等应用的快速发展。”
