模拟电子脑能能真正的替代人脑吗？

　　相较于IBM最近为其认知电脑发布的数位硬体模拟元件，莫斯科物理技术学院（Moscow Institute of Physics and Technology；MIPT）的研究人员致力于使用类比元件来打造电子脑（E-Brain），使其得以像真正的生物大脑一样作业。

　　相较于IBM最近为其认知电脑发布的数位硬体模拟元件，莫斯科物理技术学院（Moscow Institute of Physics and Technology；MIPT）的研究人员致力于使用类比元件来打造电子脑（E-Brain），使其得以像真正的生物大脑一样作业。

　　俄罗斯的电子脑关键元件将采用忆阻器——这是由加州大学柏克莱分校教授蔡少棠所发现的；不过也有一说是源于神经网路先驱暨史丹佛大学教授Bernard Widrow。无论如何，忆阻器，顾名思义，它能透过电阻的变化记忆有多少电流流过及其流向。MIPT并进一步将其忆阻器缩小至40x40奈米。？

　　MIPT利用氧化铪（HfO2）突触（图中明亮间隙）完成类比电子脑 （来源：MIPT）

　　在人类的大脑中，这种重要的功能是由持续生长的化学“突触”执行的——由于突触不断生长，使其于降低其电阻的同时，也提高了电导。如果未加以使用，突触就会萎缩直至电导性降至零。这种功能通常在夜间睡眠期间启动，以便在日间增强重要事件。在白天，人们可能因为准备考试而学习（认知记忆）、练习某种运动（肌肉记忆）或记忆单字、片语或列表（图像记忆），而使得某种的突触生长。

　　早在2011年，惠普（Hewlett Packard ；HP）就对于以忆阻器打造电子脑寄予厚望，但后来由于其注意力转移至与海力士（Hynix）共同开发商用化忆阻器晶片而停摆；不过，新创公司Knowm不久前已经发布以忆阻器为基础的处理器元件了。

　　电子“突波”讯号经由脑神经元传送至另一个讯号（黑线），并同步传送其他各种生物讯号 （来源：MIPT）

　　如今，由俄罗斯政府支持的MIPT拾起了这一接力棒，全力打造基于类比原则的电子脑，使其得以像真正大脑一样，不但能表现得较传统电脑更智慧也更具能效。MIPT采用CMOS晶圆厂的通用材料——氧化铪（HfO2），重新发展这种创忆阻器，并带来了重要创新。现在，MIPT逐一为其进行整合，最终创造出类比电子脑，并期望以此超越IBM的数位“认知电脑”。

　　“我们先在内含金属氧化物（特别是HfO2）薄层的忆阻器上施加电压，即可从晶格中驱动氧离子并进一步达到其中的一个电极，留下（电荷）氧空位缺陷，并提供电子传输路径，”MIPT奈米电子功能材料与元件实验室资深研究员Yury Matveyev解释，“因此，忆阻器的电阻值由丝状通道中的氧空位的浓度加以定义，而且更重要的是它会在忆阻器偏置期间随时间而变化。”

　　目前，Matveyev在MIPT的研究团队正试图利用其基于忆阻器的电子脑，模拟实际的人脑常用功能，例如记忆（即神经学家所谓的长期增益效应或LTP）与遗忘（神经学家所谓的长期抑制效应或LTD），是由改变忆阻器的连接强度（由于是类比值，因而也称为权重）而实现的。LTP与LTD共同搭配时，让大脑具有可塑性——学习新技巧以及忘记不再需要的事物以便为学习新知挪出更多空间的能力。

　　“所谓的长期增益效应（LTP）与长期抑制效应（LTD）正是生物突触的主要特性，定义其突触的可塑性——即突触改变其权重（连接强度）的能力，”Matveyev指出，“这种特性被认为是细胞进行学习与记忆的重要机制。为了因应重复的脉冲偏置， LTP与LTD可被模拟为忆阻器中电阻——“突触权重”（synaptic weight）——的逐渐变化。”

　　真实生物大脑（左）中实际的突触连接电位变化，相较于MIPT忆阻器的电导系数变化——作为暂时区隔“突波”（右）的功能 （来源：MIPT）

　　IBM虽然采用脉冲模拟神经元在学习期间刺激突触的方式，其原理是计算接收到的突波与输入直至超过可变阈值码，然后启动类比电压突波至其单输出（即突触后轴突），使其连接至整个大脑中的其他许许多多的神经元（有的轴突可能很长）。

　　“在我们的研究中，从两种不同产生器而来的电压脉冲都可看到真实的神经元突波形状（如图），”Matveyev解释，“并施加在具有不同相对时间延迟的相反电极，从而模拟在突触前后神经元的突波。其结果是突波发生时间取决于其可塑性功能，如同忆阻器中的电阻变化作为相对电压脉冲计时的功能，类似于生物突触展现的行为。”

　　许多神经科学家十分重视“突波发生时间”的价值，宣称大脑有赖于同步发生突波，以便为相同的物件搭配视觉、声音、感觉、味觉与嗅觉等。如果无法为电子脑模型打造出这种同步性，那么就只能学习到单独的特性，而无法像人们一样将所有的特性整合成多方面的物件感知。这种同步的特性也解释了大脑为何能够如此快速的作业、解决复杂的问题，而功耗仅20W——因为神经元每秒放电可低至10次左右。