基于石墨烯的存储电阻器在基于大脑的计算中显示出希望

宾夕法尼亚州大学公园。-随着传统计算的进步放缓，新的计算形式脱颖而出。在宾夕法尼亚州立大学，一组工程师正试图开创一种模拟大脑神经网络效率的计算方式，同时利用大脑的模拟特性。

现代计算机是数字化的，由两种状态组成，即开-关或一加零。模拟计算机和大脑一样，有许多可能的状态。这是打开或关闭电灯开关和将调光开关调到不同照明量之间的不同之处。

据团队负责人、宾夕法尼亚州立大学工程科学和力学助理教授萨普塔尔希·达斯(Saptarshi Das)说，神经形态或大脑启发的计算已经研究了40多年。最新的是，随着数字计算达到极限，对高速图像处理的需求也在增长，例如用于自动驾驶汽车的图像处理。大数据的兴起是追求神经形态计算的另一个驱动力，它需要大脑架构特别适合的模式识别类型。

达斯说：“我们有强大的计算机，这一点毋庸置疑，问题是你必须把内存存储在一个地方，在另一个地方进行计算。”

这些数据在内存和逻辑之间来回穿梭需要大量能量，并会降低计算速度。此外，这种计算机架构需要很大的空间。如果计算和内存存储可以位于同一空间，则可以消除这一瓶颈。

“我们正在创建人工神经网络，试图模仿大脑的能量和区域效率，”DAS小组的博士生托马斯·施兰哈默(Thomas Schranghamer)解释道，他是最近发表在“自然通讯”(Nature Communications)上的一篇论文的第一作者。大脑是如此紧凑，可以放在你的肩膀上，而现代的超级计算机占据了两三个网球场大小的空间。

就像连接大脑中可以重新配置的神经元的突触一样，研究小组正在构建的人工神经网络可以通过在一张石墨烯上施加短暂的电场来重新配置，石墨烯是一层单原子厚的碳原子层。在这项工作中，他们展示了至少16种可能的记忆状态，而不是大多数基于氧化物的记忆电阻器或记忆电阻器中的两种状态。

达斯说：“我们已经证明，使用简单的石墨烯场效应管，我们可以精确地控制大量的记忆状态。”

该团队认为，将这项技术扩大到商业规模是可行的。随着许多最大的半导体公司积极从事神经形态计算，Das相信他们会发现这项工作很感兴趣。

除了Das和Schranghamer之外，这篇题为“用于高精度神经形态计算的石墨烯记忆突触”的论文的另一作者是Aaryan Oberoi，他是工程科学和力学的博士生。

陆军研究室支持这项工作。这个团队已经为这项发明申请了专利。