芯東西9月27日消息，韓國當地時間9月26日，三星電子宣布，其研究人員和哈佛大學教授聯合提出了一種將大腦神經元連接圖(neuronal wiring map)“復制、粘貼”到高密度3維存儲網絡上的可能。

　　論文作者設想創建一種類似人腦的存儲芯片，該芯片將具有低功耗、輕松學習、適應環境等特性，未來甚至可以具備自主性和認知能力。

　　這項研究于9月23日刊登在了頂級期刊《自然·電子》上，論文題目為《Neuromorphic electronics based on copying and pasting the brain(基于復制和粘貼大腦的神經擬態電子學)》。

　　論文DOI鏈接：https://doi.org/10.1038/s41928-021-00646-1

　　01 .回歸神經電子學科最初目標，逆向工程研究大腦

　　神經擬態電子學始于20世紀80年代，其目的是利用集成電路來模擬生物神經系統中神經元網絡的結構和功能。該學科的最終目標是將大腦的計算能力帶到固態平臺上。然而，由于模仿大腦神經元網絡過于困難，該學科的研究重點已經轉向事件驅動操作、記憶中的信息處理等受到大腦特征啟發的技術。

　　目前，這一學科的研究主要可分為兩類，分別為人工神經網絡(ANN)和自然神經網絡(NNN)。

　　人工神經網絡是機器學習的框架，已經促使該領域出現了一系列強大的人工智能(AI)應用。自然神經網絡則是自然智能的基礎，由電化學提供動力。與人工神經網絡相比，自然神經網絡可以從條件很少或條件很差的數據中學習，以適應環境。

　　由于當前人類對神經元如何在大腦內部工作知之甚少，構建一個具有獨特計算能力的神經網絡電路從根本上受到了挑戰。伴隨著人工智能技術的發展，在CPU、GPU、NPU、TPU等數字處理器之外，研究人員開始推動模擬輔助功能的處理器，這類處理器在AI計算中的功耗更低。

　　論文作者認為，這類模擬輔助的處理器的運行方式靈感來自大腦，其存內計算的理念就如同生物突觸分布在大腦中一樣。不過這類處理器的目標仍是計算AI算法，而不是模擬大腦運行。三星和哈佛大學的研究團隊希望回到神經擬態電子學最初的目標，即通過逆向工程研究大腦。

　　▲當前的神經擬態電子學科研究

　　02 .CNEA實現數千突觸連接記錄，3D存儲芯片成自然神經網絡載體

　　為了實現上述目標，三星和哈佛的研究人員使用CMOS納米電極陣列(CMOS nanoelectrode array，CNEA)和存儲芯片對大腦神經元連接進行“復制、粘貼”，構建自然神經網絡。

　　CMOS納米電極陣列是此前哈佛大學研究團隊的成果，該團隊在半導體芯片上加工出了4096個記錄和刺激電極的CMOS納米電極陣列，芯片上還有4096個電子通道，可以同時記錄數千個神經元的突觸連接。2020年，這項研究發表在了《自然·生物醫學工程》上。

　　▲CMOS納米電極陣列

　　因為CMOS納米電極陣列中，每個垂直納米電極都配備了電流注入器和電壓放大器，可以持續向神經元注入電流，穩定細胞的電生理，這使神經元能夠在研究的時候保持活性。

　　在實驗中，研究團隊通過CMOS納米電極陣列研究小鼠皮層神經元網絡，在19分鐘內測量了來自1728個電極的細胞信號。這個數字還能夠很容易地進行擴展，因為制造陣列密度更大、性能更強的半導體器件正是半導體行業所一直追求的。

　　目前，研究團隊正在研究小鼠的視網膜和嗅球/梨狀皮層中神經元，這些神經元由于功能不同，其組織形態也并不相同，有著各自的研究價值。之后，研究團隊也會從這些外圍神經元逐漸探索大腦神經元的突觸連接。

　　在“粘貼”這一步，三星和哈佛大學的研究團隊則計劃當記錄下細胞內神經信號后，用專門設計的存儲器網絡下載信號，構建自然神經網絡。

　　▲通過計算機輔助分析“復制”的神經信號，再將信號“粘貼”到存儲網絡中

　　研究團隊寫道，隨著3D堆疊、先進封裝等技術發展，存儲芯片有著承載記憶網絡的潛力。其中，閃存、磁性隨機存取存儲器(MRAM)、相變隨機存取存儲器(PRAM)和電阻式隨機存取存儲器(RRAM)4種存儲芯片各具優點，被研究人員認為可用作存儲網絡載體。

　　具體來說，研究人員將用計算機輔助分析程序來提取功能性突觸連接圖，然后用該圖構建、編程一個記憶網絡。由于一個神經元在大腦中約有1000個突觸，因此記憶網絡應具有1000倍神經元的內存芯片。

　　對于存儲器來說，快速寫入并驗證記憶網絡并不困難，當前3D閃存的寫入速度通常超過100MB/s。但對計算機輔助分析程序來說，即使是4096個通道在19分鐘里也會產生約80G的數據，隨著CMOS納米電極陣列進一步擴展，其數據量也會有所提升。

　　研究人員也嘗試繞過計算機輔助分析，將每個硅基芯片和生物神經元一一對應，直接將連接圖下載到RRAM或PRAM網絡上。但由于離子通道的隨機性等原因，RRAM和PRAM存儲器很難應用在大型網絡中。

　　▲可承載自然神經網絡的3D存儲芯片

　　03 .未來或創建類腦存儲芯片，甚至可模擬神經元生長變化

　　盡管實現起來還有很多挑戰，但這項研究是一項開創性的努力，旨在對大腦神經元進行重建。截至目前，學界通過顯微鏡研究獲得的大腦信息主要源自解刨圖，沒有對不同功能突觸的連接進行量化。

　　三星和哈佛大學研究團隊所進行的這項研究可以重現不同功能突觸的連接，還可展現離子通道、反饋延遲等其他神經元屬性。理想情況下，該研究無需揭示神經元的工作原理，就像是對大腦的快照一樣獲得神經元連接和分布。

　　三星稱，如果研究成功，研究人員可以創建一種接近大腦的存儲芯片。該存儲芯片具備低功耗、輕松學習、適應環境，甚至包括自主性和認知能力等特性。

　　論文最后，研究團隊承認，該研究也存在一些理論上的缺陷。比如大腦神經元會因為學習和生長而發生變化，但該研究采用固定的芯片承載神經元網絡，無法跟蹤大腦神經元發生的緩慢變化。未來，他們可以創建一個具有可塑性的自然神經網絡，模擬大腦神經元變化。

　　研究人員稱，他們不能保證能夠解決每一個挑戰，但相信可以通過這項研究突破神經擬態工程、神經科學和半導體等技術的界限。

　　▲論文的共同通訊作者(從左至右分別為：三星高等技術學院(SAIT)院士兼哈佛大學教授Donhee Ham、哈佛大學教授樸洪坤、三星SDS總裁兼首席執行官Sungwoo Hwang(前SAIT負責人)和三星電子副董事長兼CEO Kinam Kim)

　　04 .結語：研究或將加速相關神經元研究

　　隨著人工智能技術的發展，推薦算法、深度學習等應用迅速普及，機器視覺、AI醫療、AI芯片等相關新興賽道涌入了大量玩家。無論是創企還是科技巨頭都在加快布局，占領新的市場。

　　但同時，腦科學在神經元模擬等方面的進展并沒有人工智能那么大。本次三星和哈佛大學的研究既為神經元連接研究提供了一種新的可能和方向，也有著巨大的應用前景。這或許可以吸引更多地高校、企業加入，加速相關領域研究。