由电子突触组成的网络学会了识别手写数字

显示突触的图像

来源:©陈琳王天宇/复旦大学

人工智能应用需要生物启发的神经形态系统,由可以执行学习和记忆功能的电子突触(e-synapses)组成

中国研究人员制造出了首个防水人造突触,使我们离模仿人脑的半机械人式植入式装置更近了一步。1

突触在神经系统中传递信号,无论是在相邻的神经元之间,还是从神经元到其他细胞。研究人员一直在尝试模仿这种信号行为人工电子突触(e-synapse)能够识别模式并学习特定的反应。所谓的神经形态计算利用这些模拟大脑的电子突触,应用范围从人工智能到边缘计算.对于所有这些,电子设备都需要灵活、耐用和透明。由于人体60%的身体都是水,所以植入式电子产品也需要防水。

问题是大多数电子材料,即过渡金属或功能金属氧化物,本质上不防水。“最近在记忆和突触设备领域的进展令人惊叹,但我们仍在寻找更好、更可靠的设备,”他说Jang-Sik李他来自韩国浦项科技大学,没有参与这项研究。李和他的同事们将氧化铟锡(ITO)电极与生物相容性聚合物结合起来,比如从鱼皮中提取的胶原蛋白,2制造灵活但不防水的电子突触。

聚(3,4-乙烯二氧噻吩)/聚苯乙烯磺酸盐(PEDOT/PSS)是一种很有前途的新材料。这种具有生物相容性的聚合物已经应用于电子产品中,研究人员将其集成到活的植物中。3.PEDOT是疏水的,PEDOT/PSS薄膜是透明的,并且在水和有机溶剂中都能抵抗降解:这是电子突触的完美性能。

林陈他和复旦大学的团队在两个ITO电极之间夹了一层2纳米厚的PEDOT/PSS薄膜,从而构建了他们的防水电子突触装置。该装置是透明的,不溶于水,丙酮,甲苯,乙醇,甲醇或DMF,即使浸泡超过12小时。

像其他电子突触一样,它是一种忆阻器,它通过可逆电阻开关工作,通过改变电阻来响应电流的变化。它能够响应超过6000个连续脉冲,包括平坦状态和柔性弯曲状态。但是,为了证明电子突触如何更接近地模拟人脑,该团队需要证明他们的设备可以完成更复杂的任务,如学习和模式识别。

图表显示了突触装置的学习行为

来源:©林晨/复旦大学

这个设备可以学习、忘记和重新学习

人类突触的一个重要特征是它们学习、忘记和重新学习特定连接的能力。Chen的电子突触能够以一种简单的方式复制这一功能,通过学习一系列300个电子脉冲后的特定反应。在处于中间状态一段时间后,它可以在180次脉冲后重新学习相同的响应。这也是人类大脑的特点:重新学习一件事比第一次学习要花费更少的精力。

模式识别是人工智能应用所需的一项复杂任务,因此Chen的团队创建了一个三层神经网络,与数千个电子突触连接。他们让神经网络识别手写数字,并用1万张0到9的数字图片训练神经网络。在500张新图片的测试中,该网络识别数字0的准确率为92%。

这是一个相对较新的领域,Chen强调电子测量存在一些挑战。他说,特别是当设备处于弯曲状态时,很难与ITO电极进行适当的接触。这种电子突触的另一个缺点是它的能量消耗,Chen的下一步将是优化电子突触的材料和结构,以获得更稳定的性能。Lee说:“在实际应用中需要优化,例如提高长期稳定性和设备尺寸的扩展。”他希望研究人员在不久的将来继续开发“更好的人工突触的新材料和结构以及新功能”。