如今，数字打算机，特殊是超级打算机，已经具备令人惊异的打算能力。可是，所有的数字打算机都具有一个光鲜的特色：存储器与处理器分离。信息须要在硬盘与中心处理器之间来回移动。
冯·诺依曼体系构造（图片来源：维基百科）
随着打算机技能不断进步，处理器速率不断提高，内存容量也不断扩大，可是内存访问速率的增长却缓慢，这成为了打算机整体性能的一个主要瓶颈，也便是所谓的“内存墙”问题。因此，无论硬件可以做得多小或者多快，架构中都存在着这样一个固有的瓶颈。
为了打破这一瓶颈，科学家们希望从生物大脑特殊是人脑构造中获取灵感。人脑遥遥领先于最前辈的数字打算机，由于其处理和存储信息是在同一个地方。这个地方便是神经突触，或者说神经元之间的连接。人脑中有数以百万亿计的神经元。
生物神经网络中的神经元与突触（图片来源：Aleksandr Kurenkov 与 Shunsuke
如今，由人脑启示的新型打算机，也称为“类脑打算机”或者“神经形态打算机”，变成了一个新兴的科研领域，引起了物理、化学、材料、数学、电子与打算机科学等一系列领域的科学家们的广泛兴趣。
基于光芒的脑启示芯片示意图。（图片来源：Johannes Feldmann）
神经形态打算，模拟了神经系统，采取了全新的架构。在这种架构中，影象和旗子暗记处理的功能共同处于“影象元件（忆阻器、忆容器、忆感器）”中。影象元件组成类似突触的硬件系统，可模拟自然信息处理、学习和影象。之前笔者多次先容的忆阻器，便是范例的影象元件之一。
忆阻器芯片 (图片来源：南安普敦大学)
举例来说，荷兰格罗宁根大学的物理学家采取掺杂铌的钛酸锶（niobium-doped strontium titanate）制成忆阻器，可模拟神经突触与神经元的事情办法。
如下图所示，左：大脑一小部分的简化表示，神经元通过突触吸收、处理、通报旗子暗记。右：交叉线阵列，利用这些器件实现的一种架构。忆阻器，就像大脑中的突触，可改变电导率，使连接变弱或变强。
（图片来源：功能材料自旋电子学研究小组，格罗宁根大学）
创新
本日，笔者要为大家先容的是一种新的影象元件。近日，美国能源部橡树岭国家实验室（ORNL）、田纳西大学、德克萨斯A&M大学的研究职员在《自然通讯（Nature Communications）》期刊上揭橥的论文中，报告了首个基于脂质的“忆容器（memcapacitor）”。这是一种具有影象功能的电荷存储元件，可以像大脑突触一样处理信息。他们的探索促进了基于生物学的打算网络的兴起，实现了一种具备机器学习能力的感知办法。
（图片来源：Michelle Lehman / 美国能源部橡树岭国家实验室）
ORNL 纳米相材料科学中央（能源部的一个科学用户举动步伐）近期的博士后研究员、宾夕法尼亚州立大学机器工程系目前的助理教授 Joseph Najem 表示：“我们的目标是开拓可以像具备巨大互联性和柔性的生物突触和神经元一样事情的材料和打算元件，从而实现不同于现有打算设备事情办法的自治系统，并供应新的功能以及学习能力。”
技能
这个新方案采取优柔的材料来模拟生物膜，并仿照神经细胞相互通信的办法。团队设计了一款人工细胞膜来探索材料的动态电生理学特性。该细胞膜在位于油中，在脂质涂覆的两个水点之间的界面上形成。在施加电压的情形下，电荷在膜的两侧累积以存储电能，类似传统电路中电容的事情办法。
（图片来源：参考资料【1】）
但不同于普通的电容，忆容器可以“记住”之前施加的电压，并改变形状以决定信息如何处理。这种合成膜根据电气活动改变表面积和厚度。这些变形的膜经由调度，可成为特定生物物理与生归天学旗子暗记的自适应滤波器。
ORNL 纳米相材料科学中央的研究科学家 Pat Collier 表示：“这种新功能为模拟自然界的非数字旗子暗记处理和机器学习开辟了道路。”
Collier 表示，用影象元件设计的系统的上风在于可扩展性与低功耗，但是真正的目标是开拓一条通往人工智能的可选路子。
深入研究生物学有望实现新的打算功能，特殊是在“边缘打算”领域，例如可穿着和嵌入式技能设备。在这个领域中，设备并不是连接至云端，而是基于感官的输入和过去的履历，进行实时决策。
生物感知经由数十亿年的进化，变成了一个高度灵敏的系统。该系统具有细胞膜中的感想熏染器，感想熏染器能够分辨出具有特定气味的单个分子。Collier 表示：“我们无法通过数字办法与之匹敌。”
数字打算是通过数字信息打造的。数字信息，是指在电路中快速流动的持续串的1和0构成的二进制措辞。
（图片来源：谢菲尔德大学）
Collier 表示：“大脑可以打算感官信息，这些信息通过神经网络中的突触，而神经网络可重新配置，并可通过学习来形成。结合生物学，即采取生物膜来感知生物电化学信息，是开拓神经形态打算功能的关键。”
随着大量固态版本的影象元件得到论证，团队的仿生元件代表了潜在的“脉冲”神经网络的新机遇，这些脉冲网络能以自然的办法打算神经数据。
脉冲神经网络旨在仿照具有电位尖峰的神经元，如果旗子暗记足够强，通过突触通报至它们的邻居，形成为提高效率而随着韶光进行修剪的学习路子。长远的目标是实现一个可进行仿照数据处理的生物启示版本。目前的早期研究专注于开拓生物电路元件。
Collier 表示：“我们从根本开始，忆阻器可通过电导率来衡量信息，以判断脉冲是否足够强大，从而可通过连接神经元的突触网络进行广播。我们的忆容器走得更远，它可以在膜中以电荷来存储能量，进行繁芜的‘integrate and fire’神经元活动，以实现可进行类脑打算的稠密网络。”
未来
下一步，团队将探索新型生物质料并研究大略的网络，以实现更加繁芜的类脑功能和影象元件。
关键字
类脑打算、影象元件、神经网络
参考资料
【1】Joseph S. Najem, Md Sakib Hasan, R. Stanley Williams, Ryan J. Weiss, Garrett S. Rose, Graham J. Taylor, Stephen A. Sarles, C. Patrick Collier. Dynamical nonlinear memory capacitance in biomimetic membranes. Nature Communications, 2019; 10 (1) DOI: 10.1038/s41467-019-11223-8
【2】https://www.ornl.gov/news/bio-circuitry-mimics-synapses-and-neurons-step-toward-sensory-computing
