5月12日，清華大學微電子所錢鶴、吳華強課題組在《自然通訊》（Nature Communications）在線發(fā)表了題為 “運用電子突觸進行人臉分類”（“Face Classification using Electronic Synapses”）的研究成果，將氧化物憶阻器的集成規(guī)模提高了一個數量級，首次實現了基于1024個氧化物憶阻器陣列的類腦計算。該成果在最基本的單個憶阻器上實現了存儲和計算的融合，采用完全不同于傳統(tǒng)“馮·諾依曼架構”的體系，可以使芯片功耗降低到原千分之一以下。

類腦計算示意圖

在人工智能日益火熱的今天，由于“馮·諾依曼架構”存在“存儲墻瓶頸”，現有計算平臺無法高效實現相關算法，功耗成為制約因素。相比之下，人腦可以快速、低功耗地完成各種學習任務。人腦中大約有1000億個神經元，每個神經元之間通過成千上萬個神經突觸連接起來，構成復雜的神經網絡。人腦的突觸能同時進行記憶和計算，這與“馮·諾依曼架構”存在著顯著不同。2008年憶阻器的發(fā)現，可以將存儲和計算在同一個器件實現，憶阻器因此被認為是最具潛力的電子突觸器件。通過在器件兩端施加電壓，可以靈活地改變其阻值狀態(tài)，從而實現突觸的可塑性。此外，憶阻器還具有尺寸小、操作功耗低、可大規(guī)模集成等優(yōu)勢。因此，基于憶阻器所搭建的類腦計算硬件系統(tǒng)具有功耗低和速度快的優(yōu)勢，成為國際研究熱點。

清華微電子所錢鶴、吳華強課題組的研究基于電子突觸陣列搭建了神經網絡硬件系統(tǒng)的原型，并提出了與新型硬件架構相匹配的操作方式，用來實現在線學習，以滿足不同應用場景的需求。論文采用耶魯大學人臉圖片庫（Yale Face）實驗驗證了系統(tǒng)人臉識別功能。實驗表明，該原型系統(tǒng)達到了與現有CPU接近的識別率和泛化能力，相較于現有的基于“馮·諾依曼架構”的Intel 至強（Xeon） Phi處理器，該原型系統(tǒng)具有1000倍以上的能耗優(yōu)勢。

近年來，錢鶴、吳華強課題組致力于類腦計算芯片研究，尤其是基于氧化物憶阻器的電子突觸器件的制備和優(yōu)化，以及基于憶阻器件的神經網絡算法的硬件系統(tǒng)實現。課題組在《納米快報》（Nano Letters），《先進材料》（Advanced Materials），《科學報告》（Scientific Reports）等期刊已發(fā)表多篇論文。

清華大學微納電子系博士生姚鵬是該論文的第一作者，清華大學微電子所吳華強副教授是該論文的通訊作者。該研究工作是與斯坦福大學的合作成果，并得到了北京市未來芯片技術高精尖創(chuàng)新中心、國家重點研發(fā)計劃、自然科學基金項目等支持。