近日，新加坡国立大学的材料科学与工程系副教授 Mario Lanza 领导的一个团队已经证明，神经形态行为可以在标准单个晶体管中实现。该团队发布的《标准硅晶体管中的突触和神经行为》的论文已于 3 月 26 日发表在科学杂志《自然》上。该论文的第一作者是来自阿卜杜拉国王科技大学的 Sebastián Pazos 博士。

据介绍，人工神经网络 （ANN） 的硬件实现（其中最先进的由数亿个电子突触互连的数百万个电子神经元组成）在一些小规模数据密集型计算任务中实现了比传统计算机更高的能效。最先进的神经形态计算芯片，例如 Intel 的 Loihi2或 IBM 的 NorthPole3，使用由互补金属氧化物半导体 （CMOS） 晶体管制成的仿生神经元和突触模拟电路实现 ANN，每个神经元至少 18 个晶体管，每个突触至少 6 个晶体管。简化这两个构建块的结构和尺寸将有助于构建更复杂、更大、更节能的人工神经网络。

新加坡国立大学研究 表明，如果以特定（非常规）方式偏置，单个 CMOS 晶体管可以表现出神经和突触行为。通过串联一个额外的 CMOS 晶体管，该研究团队成功构建了一个多功能的晶体管单元，该单元表现出可调节的神经突触反应（该团队将其命名为神经突触随机存取存储单元或 NS-RAM 单元），允许在神经元或突触作模式之间切换，这为制造提供了多功能性。由于所使用的硅 CMOS 平台的成熟，这种电子性能具有 100% 的良率和超低的器件间可变性，不需要与 CMOS 工艺无关的材料或器件。这些结果代表了实现高效人工神经网络的短期解决方案，以及人工智能应用的 CMOS 电路设计和优化方面的机遇。

Mario Lanza 教授的团队使用的方法与将体硅电阻率设置为特定值有关，该值会激发一种称为冲击电离的物理现象，从而产生电流尖峰。因此，这种现象类似于神经元和突触的当前尖峰特征。将体电阻率设置为其他特定值允许晶体管在栅极氧化层中存储电荷一段合理的时间，以模仿生物突触的行为。

因此，使标准硅晶体管作为神经元或突触运行取决于选择体端子的适当电阻。冲击电离曾被认为是硅晶体管中的一种失效机制，但 Lanza 教授的团队已成为人工智能的潜在有价值的应用。

据了解，Mario Lanza 教授的团队在 180nm CMOS 上实现了单晶体管和双晶体管神经形态。

编辑：芯智讯-林子