隨著人工智能、物聯(lián)網(wǎng)及智慧醫(yī)療等新型信息交互領(lǐng)域的發(fā)展，基于傳統(tǒng)馮諾依曼架構(gòu)的計(jì)算機(jī)系統(tǒng)以及工藝迭代帶來(lái)的算力提升越來(lái)越難以滿足數(shù)據(jù)處理及復(fù)雜神經(jīng)網(wǎng)絡(luò)模型運(yùn)算的需求。神經(jīng)形態(tài)器件作為一種模擬人腦的高效低功耗的信息處理模型，在信息處理方面具有天然優(yōu)勢(shì)。目前，以憶阻器為代表的人工突觸器件廣泛應(yīng)用于神經(jīng)形態(tài)計(jì)算，并構(gòu)建多種類型的神經(jīng)網(wǎng)絡(luò)。然而，傳統(tǒng)的人工突觸器件存儲(chǔ)的權(quán)重固定，重新部署費(fèi)時(shí)費(fèi)力，無(wú)法根據(jù)輸入變化進(jìn)行自適應(yīng)調(diào)整。

與突觸類似，基于電荷的半導(dǎo)體儲(chǔ)能設(shè)備可在低能量條件下實(shí)現(xiàn)存儲(chǔ)權(quán)重的調(diào)節(jié)和保持。離子遷移的獨(dú)特特性使其可以用于構(gòu)建模擬突觸間隙信息傳輸?shù)娜斯ね挥|器件。有研究表明，類似電池的儲(chǔ)能裝置可以用作人工突觸器件進(jìn)行低能量計(jì)算。因此，利用半導(dǎo)體儲(chǔ)能器件設(shè)計(jì)新型感算系統(tǒng)解決高寫(xiě)入噪聲、非線性差和零偏壓下的擴(kuò)散等問(wèn)題將是類腦計(jì)算領(lǐng)域的重要研究方向。

近日，中國(guó)科學(xué)院半導(dǎo)體研究所半導(dǎo)體超晶格國(guó)家重點(diǎn)實(shí)驗(yàn)室研究員王麗麗課題組、北京理工大學(xué)教授沈國(guó)震與香港科技大學(xué)教授范智勇合作，利用微納加工設(shè)計(jì)了一種基于可調(diào)柔性能量存儲(chǔ)裝置（FMES）系統(tǒng)的新型感算集成系統(tǒng)（圖1）。該系統(tǒng)實(shí)現(xiàn)了在不改變外部刺激條件下，通過(guò)系統(tǒng)中阻值的調(diào)控來(lái)控制離子的積累和消散，有望實(shí)現(xiàn)傳感信號(hào)和存儲(chǔ)權(quán)重W的耦合。FMES系統(tǒng)可用于構(gòu)建神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)多種神經(jīng)形態(tài)計(jì)算任務(wù)，使手寫(xiě)數(shù)字集的識(shí)別準(zhǔn)確度達(dá)到約95%（圖2）。此外，F(xiàn)MES系統(tǒng)可模擬人大腦的自適應(yīng)性，實(shí)現(xiàn)對(duì)相似目標(biāo)數(shù)據(jù)集的自適應(yīng)識(shí)別，經(jīng)過(guò)訓(xùn)練后的自適應(yīng)識(shí)別準(zhǔn)確率可達(dá)80%左右（圖3），避免重新計(jì)算造成的時(shí)間和能量損失。未來(lái)研究可以此成果為基礎(chǔ)，結(jié)合不同類型傳感器片上集成，進(jìn)一步實(shí)現(xiàn)多模態(tài)感算一體架構(gòu)。

圖1 基于可調(diào)柔性能量存儲(chǔ)裝置（FMES）系統(tǒng)的新型感算集成系統(tǒng)。a、生物突觸的結(jié)構(gòu)，b、FMES裝置示意圖，c、FMES裝置的光學(xué)圖像，d、讀和寫(xiě)操作解耦的原理圖和相應(yīng)的電路圖，e、不同電壓脈沖下的突觸后電流

圖2 神經(jīng)形態(tài)計(jì)算的準(zhǔn)確性。a、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)；b、由FMES器件組成的硬件神經(jīng)網(wǎng)絡(luò)；c、在初始和訓(xùn)練的各種阻力狀態(tài)下突觸權(quán)重的數(shù)字映射；d、100個(gè)訓(xùn)練周期的分類準(zhǔn)確率，F(xiàn)MES設(shè)備PSV分布情況：培訓(xùn)前（e）和培訓(xùn)后（f）。

圖3 數(shù)字識(shí)別的自適應(yīng)仿真。a、Dataset1和dataset2，b、人工神經(jīng)網(wǎng)絡(luò)的權(quán)重映射圖像，c、dataset1和dataset2的識(shí)別精度，d、人工神經(jīng)網(wǎng)絡(luò)權(quán)重的自適應(yīng)調(diào)整，e、自適應(yīng)后權(quán)重映射圖像，f、識(shí)別精度與映射圖像數(shù)量的關(guān)系，g、適應(yīng)前后的分類識(shí)別，h-i、每個(gè)樣本的概率。