技术正越来越接近人工智能的超高速计算世界。但世界是否配备了适当的硬件来应对新的人工智能技术突破的工作量?

普渡大学物理与天文学150周年纪念教授埃里卡·卡尔森(EricaCarlson)解释道：“人工智能革命中受大脑启发的代码主要运行在传统的硅计算机架构上，而这些架构并不是专门为人工智能革命而设计的。”

在来自普渡大学、加州大学圣地亚哥分校(USCD)和法国巴黎高等物理与化学工业学院(ESPCI)的物理学家的共同努力下，研究人员相信他们可能已经找到了一种通过模仿来改造硬件的方法。人脑的突触。他们在《先进电子材料》中发表了他们的研究成果“VO2中的空间分布式斜坡反转记忆”。

为了应对未来计算进步的复杂性，新的硬件范式是必要的。这项研究的首席理论科学家卡尔森表示，“神经形态架构有望实现更低能耗的处理器、增强的计算、根本不同的计算模式、本机学习和增强的模式识别。”

神经形态架构基本上可以归结为模仿大脑行为的计算机芯片。神经元是大脑中传递信息的细胞。神经元的末端有小间隙，允许信号从一个神经元传递到下一个神经元，称为突触。在生物大脑中，这些突触编码记忆。该科学家团队得出的结论是，钒氧化物在神经形态计算方面显示出巨大的前景，因为它们可用于制造人工神经元和突触。

“硬件和软件之间的不协调是训练能耗成本极高的根源，例如像ChatGPT这样的大型语言模型，”卡尔森解释道。“相比之下，神经形态架构通过模仿大脑的基本组成部分：神经元和突触，有望降低能耗。虽然硅擅长记忆存储，但这种材料不容易实现类似神经元的行为。

“最终，要提供高效、可行的神经形态硬件解决方案，需要研究与硅具有完全不同行为的材料，这些材料可以自然地模拟突触和神经元。不幸的是，人工突触和神经元的竞争设计需求意味着大多数制造良好突触的材料作为神经电阻器会失败，反之亦然。只有少数材料(其中大多数是量子材料)具有同时实现这两点的能力。”

该团队依赖于最近发现的一种非易失性存储器，该存储器由绝缘体到金属转变过程中重复的部分温度循环驱动。这种记忆是在钒氧化物中发现的。

来自索邦大学和巴黎高等物理与化学工业学院的首席实验科学家AlexandreZimmers解释说：“只有少数量子材料是未来神经形态设备(即模仿人工突触和神经元)的良好候选材料。这是第一次，在其中一种二氧化钒中，我们可以通过光学方式看到材料作为人工突触运作时发生的变化。我们发现记忆在整个样本中积累，为如何以及在何处控制这种特性提供了新的机会。”

卡尔森解释说：“令人惊讶的是，显微视频显示，金属和绝缘体域的反复前进和后退导致记忆在整个样本中积累，而不仅仅是在域的边界。”“记忆表现为局部温度的变化，在该温度下，材料在加热时从绝缘体转变为金属，或在冷却时从金属转变为绝缘体。我们认为，局部转变温度的这些变化是由于点缺陷优先扩散到内部而累积的。当材料在过渡过程中循环时，金​​属域通过绝缘体交织在一起。”

现在该团队已经确定钒氧化物是未来神经形态设备的可能候选者，他们计划推进下一阶段的研究。

“现在我们已经建立了一种观察这种神经形态材料内部的方法，我们可以局部调整和观察离子轰击对材料表面的影响，”齐默斯解释道。“这可以让我们引导电流通过样本中记忆效应最大的特定区域。这有可能显着增强这种神经形态材料的突触行为。”