在整洁的足球尺寸的器官内，大约有1000亿个神经元。在全部给定的时候，单个神经元可行经过突触将指示传导给数以千计的其它神经元 - 神经元之中的体积，神经递质在神经递质之中交换。有超越100万亿个突触介导大脑中的神经元信号传递，在修剪其它人时增强少许接连，使大脑能够以闪电般的速度辩别形式，记着实是并执行其它学习任务。

新兴的“神经形态计算”范畴的探讨人士试图设置出像人脑一样事业的计算机芯片。与今日的数字芯片一样，鉴于二进制，开/关信号发展计算，“芯片上的大脑”的素材将用模拟形式事业，交换信号梯度或“权重”，就像神经元以各式形式激活，取决于流过突触的离子的类别和数量。

经过这类形式，小型神经形态芯片可行像大脑一样有用地料理数百万个日前唯有大型超等计算机才能实现的并行计算流。可是，在这类便携式人力智能的进程中，一种要紧的阻碍便是神经突触，这在硬件中重现起来特别棘手。

此刻麻省理工学院的工程师设置了一个人力突触，它可行精准操控流过它的电流强度，相似于离子在神经元之中流动的形式。该团队曾经构建了一种带有人力突触的小芯片，由硅锗制成。在模拟中，探讨人士发觉芯片及其突触可用于辩别手写样本，明确率为95%。

该设置至今天发表在Nature Materials杂志上，是建立用于形式辩别和其它学习任务的便携式低功耗神经形态芯片的要紧一步。

该探讨由Jeehwan Kim领导，他是1947年机械工程和资料科学与工程系的职业进行助理教授，也是麻省理工学院电子与微体系技艺实验室探讨实验室的首席探讨员。他的合着者是亚利桑那州立大学的Shinyun Choi(第一作者)，Scott Tan(一同第一作者)，Zefan Li，Yunjo Kim，Chanyeol Choi和Hanwool Yeon，以及亚洲州立大学的Pai-Yu Chen和Shimeng Yu。

许多数神经形态芯片设置试图运用由“变换介质”或突触样体积隔开的两个导电层来模拟神经元之中的突触接连。当施加电压时，离子应当在开关介质中搬动以发生导电细丝，相似于突触的“重量”如何浮动。

可是在现存设置中不容易操控离子流动。Kim说这是由于许多数由非晶资料制成的开关介质都有没限可能的离子可行经过的路径 - 有点像Pachinko，一个机械街机游戏，经过一系列的针和杠杆将小钢球漏斗，将球转嫁或引导出机器。

与Pachinko一样，现存的交换介质包涵多条路径，这让得难以预测离子将经过的位子。金说，这可能会在突触的体现中发生不必需的不??匀称性。

“一朝你用人力神经元施加少许电压来显示少许数据，你必需擦除并能够以十足相同的形式再一次写入它，”Kim说。“可是在没有定形固体中，当你再一次写入时，离子会向不同的方向进行，由于存留众多缺陷。这种流正好改变，不容易操控。这是第一大的难题 - 人力突触的不匀称性。“

Kim和他的同事们无运用没有定形资料作为人力突触，却是探讨了单晶硅，这是一个没有缺陷的导电资料，由延续排列的原子排列而成。该团队试图经过硅发生精准的，一维的线缺陷或位错，离子可行经过硅预测流动。

为这，探讨人士最初运用硅晶片，在微观分辨率上相似于鸡丝图案。接下来，它们在硅晶片的顶部生长出相似的硅锗图案 - 一个也经常使用于晶体管的资料。硅锗的晶格略大于硅的晶格，Kim发觉，两种十足不配合的资料一同造成漏斗状的位错，造成离子可行流过的单一路径。

探讨人士制作了一种神经形态芯片，由人力突触构成，由硅锗制成，每个突触的尺寸约为25纳米。它们对每个突触施加电压，发觉全部突触体现出或多或少相同的电流或离子流，突触之中的变异约为4% - 与非晶资料制成的突触比较，功能愈加匀称。

它们还在屡次试验中测试了单个突触，在700个周期内利用相同的电压，并发觉突触显现相同的电流，周期与周期之中仅有1%的浮动。

“这是咱们可行实现的最同一的设施，这是展现人力神经网站的要害，”Kim说。

作为最终的测试，Kim的团队探寻了它的设施在执行实质学习任务时的体现 - 特别是辩别手写样本，探讨人士以为这是神经形态芯片的第一种实质测试。这类芯片将由“输入/隐藏/输出神经元”构成，每个神经元经过鉴于细丝的人力突触接连到其它“神经元”。

科学家们信任这样的神经网站堆栈可行被“学习”。比如，当输入一种手写的“1”输入时，输出会将其标志为“1”，某些输出神经元将被输入神经元激活和人力突触的重量。当手写的“1”的更多示例被馈送到统一芯片中时，当相同的输出神经元感知到相同字母的不同样本之中的类似特征时，可行激活相同的输出神经元，从而以相似于大脑的形式“学习”。

Kim和他的同事们运转了一种人力神经网站的计算机模拟，该神经网站由三层经过两层人力突触相连的神经层构成，其特性鉴于实质神经形态芯片的测量结果。它们从神经形态设置师经常使用的手写辩别数据聚集模拟了数万个样本，并发觉它们的神经网站硬件在95%的时间内辩别出手写样本，而现存软件算法的明确率为97%。

该团队正好制作一种可行执行手写辩别任务的事业神经形态芯片，而非是模拟但实质上。Kim显示，除了手写外，该团队的人力突触设置将能够实现更小巧，便携的神经网站设施，这点设施可行执行日前唯有大型超等计算机才能实现的繁杂计算。

“终归咱们想要一种像指甲一样大的芯片来取代一辆大型超等计算机，”金说。“这开辟了制造真实人造硬件的垫脚石。”