韩国研究团队开发出类脑芯片，能够自主学习并纠正错误

IT之家 1 月 20 日消息，韩国科学技术院（KAIST）的研究团队成功开发出一种基于忆阻器（memristor）的集成芯片，该芯片模拟了人脑处理信息的方式。这一突破性研究由 KAIST 的教授 Shinhyun Choi 和 Young-Gyu Yoon 领导，并在《自然・电子学》（Nature Electronics）期刊上发表。

据IT之家报道，这种新型计算芯片的独特之处在于能够学习和纠正非理想特性所引起的错误，这是目前神经形态设备所面临的主要挑战之一。举例来说，在处理视频流时，该芯片可以自动分离移动物体和背景，并不断提高性能。通过实时图像处理实验证明，该芯片的准确性可以媲美理想的计算机模拟。

这项研究的关键突破在于，他们不仅开发出可靠的类脑组件，还构建了一个实用及高效的系统。这一创新的核心在于一种被称为忆阻器的下一代半导体器件。忆阻器通过其可变的电阻特性模拟神经网络中突触的功能，可同时进行数据存储和计算，类似于人脑细胞的工作方式。忆阻器精确地控制电阻变化，通过自学习消除了复杂的补偿需求，从而创造出一个高效的系统。

基于忆阻器的平台可在模拟域内执行并行计算，因此可以建立紧凑且节能的 AI 边缘计算系统。不过，现有的忆阻器阵列系统在实现实时 AI 算法和设备端学习时，存在可靠性问题，如低良率、一致性差和耐久性问题。KAIST 的研究团队通过采用界面型氧化钛忆阻器成功解决了这些问题。这种忆阻器具备高可靠性、高线性度、无需预形成和自整流特性，可以在无需补偿或预训练的情况下，通过自校准运行 AI 算法。

研究指出，这一技术将改变AI在日常设备中的整合方式，使得AI任务能够本地处理，减少对远程云服务器的依赖，实现设备更快速、更安全且更节能。KAIST 的研究人员 Hakcheon Jeong 和 Seungjae Han 表示，这一系统就像一个智能工作空间，所有资源都可以轻松访问，无需在多个位置之间来回切换。他们进一步解释说，这一系统模拟了大脑处理信息的方式，所有任务都可以在一个位置高效完成。

该芯片已准备好部署于多种设备中，例如能够即时检测可疑活动的智能安防摄像头，以及实时分析健康数据的医疗设备。

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考。