類腦芯片再登Nature子刊！三星哈佛聯(lián)手“復(fù)制粘貼”大腦神經(jīng)元

編譯 |  高歌
編輯 |  Panken
芯東西9月27日消息，韓國當(dāng)?shù)貢r間9月26日，三星電子宣布，其研究人員和哈佛大學(xué)教授聯(lián)合提出了一種將大腦神經(jīng)元連接圖（neuronal wiring map）“復(fù)制、粘貼”到高密度3維存儲網(wǎng)絡(luò)上的可能。論文作者設(shè)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(xué)習(xí)、適應(yīng)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(fù)制和粘貼大腦的神經(jīng)擬態(tài)電子學(xué)）》。

回歸神經(jīng)電子學(xué)科最初目標(biāo)逆向工程研究大腦

神經(jīng)擬態(tài)電子學(xué)始于20世紀(jì)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(luò)的結(jié)構(gòu)和功能。該學(xué)科的最終目標(biāo)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(luò)過于困難，該學(xué)科的研究重點已經(jīng)轉(zhuǎn)向事件驅(qū)動操作、記憶中的信息處理等受到大腦特征啟發(fā)的技術(shù)。目前，這一學(xué)科的研究主要可分為兩類，分別為人工神經(jīng)網(wǎng)絡(luò)（ANN）和自然神經(jīng)網(wǎng)絡(luò)（NNN）。人工神經(jīng)網(wǎng)絡(luò)是機器學(xué)習(xí)的框架，已經(jīng)促使該領(lǐng)域出現(xiàn)了一系列強大的人工智能（AI）應(yīng)用。自然神經(jīng)網(wǎng)絡(luò)則是自然智能的基礎(chǔ)，由電化學(xué)提供動力。與人工神經(jīng)網(wǎng)絡(luò)相比，自然神經(jīng)網(wǎng)絡(luò)可以從條件很少或條件很差的數(shù)據(jù)中學(xué)習(xí)，以適應(yīng)環(huán)境。由于當(dāng)前人類對神經(jīng)元如何在大腦內(nèi)部工作知之甚少，構(gòu)建一個具有獨特計算能力的神經(jīng)網(wǎng)絡(luò)電路從根本上受到了挑戰(zhàn)。伴隨著人工智能技術(shù)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(nèi)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(biāo)仍是計算AI算法，而不是模擬大腦運行。三星和哈佛大學(xué)的研究團隊希望回到神經(jīng)擬態(tài)電子學(xué)最初的目標(biāo)，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(luò)載體

為了實現(xiàn)上述目標(biāo)，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(fù)制、粘貼”，構(gòu)建自然神經(jīng)網(wǎng)絡(luò)。CMOS納米電極陣列是此前哈佛大學(xué)研究團隊的成果，該團隊在半導(dǎo)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(xué)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(luò)，在19分鐘內(nèi)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(dǎo)體器件正是半導(dǎo)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(xué)的研究團隊則計劃當(dāng)記錄下細胞內(nèi)神經(jīng)信號后，用專門設(shè)計的存儲器網(wǎng)絡(luò)下載信號，構(gòu)建自然神經(jīng)網(wǎng)絡(luò)。

研究團隊寫道，隨著3D堆疊、先進封裝等技術(shù)發(fā)展，存儲芯片有著承載記憶網(wǎng)絡(luò)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(luò)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(gòu)建、編程一個記憶網(wǎng)絡(luò)。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(luò)應(yīng)具有1000倍神經(jīng)元的內(nèi)存芯片。對于存儲器來說，快速寫入并驗證記憶網(wǎng)絡(luò)并不困難，當(dāng)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?yán)@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(yīng)，直接將連接圖下載到RRAM或PRAM網(wǎng)絡(luò)上。但由于離子通道的隨機性等原因，RRAM和PRAM存儲器很難應(yīng)用在大型網(wǎng)絡(luò)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(xué)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(xué)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(xué)習(xí)、適應(yīng)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(xué)習(xí)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(luò)，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(luò)，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(xué)和半導(dǎo)體等技術(shù)的界限。

結(jié)語：研究或?qū)⒓铀傧嚓P(guān)神經(jīng)元研究

隨著人工智能技術(shù)的發(fā)展，推薦算法、深度學(xué)習(xí)等應(yīng)用迅速普及，機器視覺、AI醫(yī)療、AI芯片等相關(guān)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(lǐng)新的市場。但同時，腦科學(xué)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(xué)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(yīng)用前景。這或許可以吸引更多地高校、企業(yè)加入，加速相關(guān)領(lǐng)域研究。來源：《自然·電子》、三星電子官網(wǎng)