近日消息，美国匹兹堡大学的研究人员开发了一种基于石墨烯的“人工突触”，它不像数字计算机那样处理信息，而是模仿人脑以模拟方式完成任务。据报道，这种突触具有与生物突触相当的优异的能量效率。该研究成果发表在了近期的 Advanced Materials杂志上。

人类的大脑是一个密集的神经元网络。每个神经元与成千上万的其他神经元相连，它们使用突触不断地来回发送信息。通过每一次交换，大脑调整这些连接，以直接响应周围环境。而数字计算机则生活在一个由1和0组成的世界中。它们依次执行任务，按照其算法的每一步以固定的顺序执行任务。

近日消息，美国匹兹堡大学的研究人员开发了一种基于石墨烯的“人工突触”，它不像数字计算机那样处理信息，而是模仿人脑以模拟方式完成任务。据报道，这种突触具有与生物突触相当的优异的能量效率。该研究成果发表在了近期的 Advanced Materials (DOI:10.1002/adma.201802353)杂志上。

该项研究的成员之一熊博士说，“大脑的模拟性和大规模并行性，在某种程度上解释了为什么在复杂多变的数据集合中，即使是最强大的计算机，在诸如语音识别或模式识别等高阶认知功能方面，也不如人类表现得好。”

受人脑的低功耗和快速计算特点启发的神经形态芯片在计算界已经不是一个新鲜主题了。熊博士和他的团队在碳原子的二维蜂窝结构中建立了基于石墨烯的人工突触。石墨烯的导电特性使研究人员能够精细地调整其电导，即突触连接的强度或突触的重量。石墨烯突触显示出优异的能量效率，就像生物突触一样。

在最近基于人工智能的研究中，计算机已经可以某种方式复制大脑，但模拟一个突触需要十几个数字设备。人类大脑有数以亿计的突触来传递信息，因此用数字设备构建大脑似乎是不可能的，或者目前来讲是不可能的。熊实验室的方法为大规模人工神经网络的硬件实现提供了一条可能的途径。

根据熊博士的说法，基于现有CMOS(互补金属氧化物半导体)技术的人工神经网络在能源效率、可伸缩性和封装密度方面的功能总是有限的。他说：“真正重要的是，我们开发出新的突触电子设备概念，这些概念在本质上是模拟的、节能的、可扩展的，适合大规模集成。我们的石墨烯突触似乎能够满足这些要求。”由于石墨烯具有固有的灵活性和优异的力学性能，这些基于石墨烯的神经网络可以应用于灵活和可穿戴的电子设备中，以便能够在“互联网的边缘”进行计算-传感器等计算设备可以在这些地方与物理世界进行接触。

熊博士说：“通过增强可穿戴电子产品和传感器的基本智能水平，我们可以用智能传感器跟踪我们的健康状况，提供预防性护理和及时诊断、监控植物生长并识别可能的虫害问题，并对制造过程进行监管和优化-这将大大提高我们社会的整体生产力和生活质量。”

模拟人脑这样的人工大脑的发展仍然需要一些突破。研究人员需要找到合适的配置来优化这些新的人工突触。他们需要使它们与一系列其他设备兼容，形成神经网络，并且他们需要确保大规模神经网络中的所有人工突触都在相同的范围内运行。确切地说，尽管有这些挑战，熊博士说他对他们的发展方向很乐观。