模拟神经元处理过程的计算系统可以使人工智能更高效，以及，更类人化。

神经元在大脑中存储和传递信息。图片来源于：CNRI / SPL

　　2018年1月26日，《科学进展(Science Advances)》杂志发表了一项研究成果：模拟神经元的超导计算芯片可以比人脑更快，更高效地处理信息。这一成果是开发用于模拟生物系统的高级计算设备的重要基准。虽然距离商业化应用仍有许多障碍，但可以为更多的自然机器学习软件的开发提供方便。

　　人工智能软件越来越多地开始模拟大脑。很多算法，诸如Google的图像自动分类和语言学习程序等均使用人造神经元网络来执行复杂的任务。但是由于传统的计算机硬件并不是为了运行类似于大脑的算法而设计的，所以这些机器学习任务所需要的计算能力要比人脑大一个数量级。

　　美国国家标准与技术研究院(US National Institute ofStandards and Technology, NIST) 的物理学家Michael Schneider认为：“一定有更好的方法来做到这一点，因为大自然已经找到了一个更好的方法来做到这一点。”

　　>>>>模拟神经元及神经突触

　　NIST是少数尝试开发模拟人类大脑的“神经形态”硬件的机构之一，致力于在硬件上实现更有效地运行类似于大脑的软件。在传统的电子系统中，晶体管以固定的时间间隔和精确的二进制数字“ 1或0”处理信息。但神经形态设备可以像生物神经元一样，聚集多个来源的少量信息，加以改变，以产生不同类型的信号，并且只在需要时才发出电流。因此，神经形态设备只需要较少的能量来运行。

　　然而，这些设备在跨晶体管间隙或突触进行信息传输时效率仍然非常低。因此Schneider的团队制造出一种类似神经元的电极，其原材料为铌超导体，这些电极在没有电阻的情况下导电。并且用成千上万个磁性纳米团簇填补了超导体之间的空隙。

　　通过改变突触中的磁场，磁性纳米团簇可以在磁场作用下对齐指向不同的方向。这使得系统可以在电力水平和磁力方向两个维度上对信息进行编码，从而赋予其比其他神经形态系统更大的计算能力，而不占用额外的物理空间。

　　人工突触可以每秒放电10亿次，这要比人类神经元快几个数量级，但只使用万分之一的生物突触所使用的能量。

人工突触与高速电探头连接。来源于：NIST

　　在计算机模拟中，合成神经元可以汇集整理来自多达九个来源输入信息，然后将其传递到下一个电极。但是Schneider表示，需要数百万个突触才能使基于该技术的系统用于复杂计算，而且是否有可能将其扩展到这个水平还有待观察。

　　>>>>替代方案

　　来自加州理工学院的电气工程师Carver Mead对这项研究表示称赞，并把这项研究称之为神经形态计算的新方法，Carver Mead表示：“目前在该领域中充满了炒作，很高兴能够看到高质量工作以客观的方式呈现出来。”但他还补充道，将芯片用于真正计算之前或许还需要一段很长的时间，目前研究者们面临着来自许多其它神经形态计算设备的激烈竞争和挑战。

　　Furber还强调，现在谈该设备的实际应用还有点遥远。“这种设备技术非常有趣，但是我们对生物突触的关键性质以及如何有效地使用它们都没有足够地了解。”还有许多突出的问题需要解决，例如，关于突触如何改造自己进而形成记忆的问题我们尚不了解，这也使我们难以在记忆-存储芯片中重新创建该过程。

　　不过，Furber表示，一种新型计算设备需要10年甚至更长的时间才能进入市场，所以即使神经科学家对人类的大脑了解还不够，但他们非常有必要开发出尽可能多的不同的技术手段。